Pfe Kadouma Mellata

République Algérienne Démocratique et Populaire
Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Université Djilali Bounaama KHEMIS MILIANA
Faculté des Sciences et de la Technologie

Département de Technologie
Mémoire du Projet de Fin d’Etudes
Pour l’obtention du diplôme
Master
En
« Génie Electrique »
Option :
« Automatique des systèmes de production
on »
Titre :
Réalisé par : Encadré par :

KADOUMA Mohamed Nadjib Dr. Halbaoui Khaled
MELLATA Ahmed Dr . Bentchikou Brahim
2016/2017
Remerciements
Nous remercions DIEU le tout puissant qui nous a donné la foi, le courage
et la volonté de mener à bien ce modeste travail.
Nous remercions Monsieur Halbaoui et Monsieur Bentchikou d’avoir
dirigé ce travail et de nous avoir soutenus par leurs précieux conseils ainsi que
Mr. Merhouni qui nous a été d’une grande aide
Nous remercions tous les enseignants de la faculté des sciences et de la
technologie qui nous ont encadrés durant notre cursus de formation.
Nos vifs remerciements vont aux membres du jury d’avoir accepté
d’examiner et d’évaluer ce modeste travail.
Merci à nos familles et à toutes les personnes qui nous ont aidé et soutenu
jusqu'à la fin de ce mémoire.
I
Dédicaces
Du fond du cœur je dédie ce travail …
A mes très chers parents qui m’ont soutenu et encouragé
A mon frère Abderraouf et ma sœur Kawthar
A Mes Amis Mohamed, Mustapha, Salah, Hamid
A mes grands parents, mes tantes et mes oncles
A la mémoire de mon oncle Benhenni
A mes cousins et cousines
A tous mes amis
A mon binôme Sid Ahmed
A tous ceux et celles dont les noms n’ont pu être cités
KADOUMA Mohamed Nadjib
II
Dédicaces
Je dédie ce modeste travail a :

A mes très chers parents.
A mes frères : Kaci et Nassim.
A toute ma famille.
A tous mes proches.
A ma classe ASP.
A tous mes amis et mes collègues :
Mohamed, Nadjib, Mustafa, Islam, Halim, Hamid, Bou Abd
Ellah,
Et à tous ceux qui nous ont aidé de prêt et de loin.
……
Mellata Ahmed
III
‫ملخص‬
‫و التحكم التالؤمي الخضاع سرعة دوران محرك‬H∞ ‫في هذا العمل قدمنا دراسة لتطبيق تقنية تحكم‬
‫ تقنية‬.‫المعدالت الكالسيكية محدودة بسبب حساسيتها لتغير معامالت االلة و كذا العوامل الخارجية‬،‫تحريضي‬
‫ والتحكم ذو االنحراف االدنى لتقنية ذاتية التصحيح استعملتا في مكان المعدل‬H∞ ‫الحساسية المزدوجة لمقاربة‬
.‫الكالسيكي للسرعة في التحكم الشعاعي لمحرك تحريضي‬
‫النتائج المحصل عليها تثبت من حيث األداء و كذا المتانة نجاعة التقنيات المقترحة في مجال الجر الكهربائي‬
‫بمحرك تحريضي‬
𝐻∞ ‫التحكم بطريقة الطويلة القصوى‬،‫التحكم الشعاعي‬،‫ التحكم التالؤمي‬،‫كلمات مفتاحية — محرك تحريضي‬
‫خوارزمية تعريف العوامل‬
Résumé
Dans ce travail, l’étude et l’application de la commande par l’approche 𝐻∞ et la commande
adaptative de la vitesse de la machine asynchrone (MAS), ont été explorées. Les
performances des régulateurs conventionnels sont limitées à cause de leur sensibilité aux
perturbations extérieures et celles des incertitudes paramétriques. La technique de sensibilité
mixte de l’approche 𝐻∞ et la commande auto ajustable à variance minimale ont été
présentées.
Dans cette étude, nous appliquons ces deux stratégies pour la boucle de vitesse de la
commande vectorielle de la MAS. Les résultats obtenus permettent d’illustrer, tant au niveau
des performances que de la robustesse, l'apport des commandes proposées dans les
entraînements électriques avec machine asynchrone.
Mots clefs — Commande𝐻∞ , Commande adaptative, Machine asynchrone, Commande
vectorielle, Algorithme des moindres carrés récursifs.
Abstract
In this work, the design and the application of 𝐻∞ control and adaptative control of the rotor
speed Induction Machine (IM) are presented. The performances derived by the classical
controllers are usually limited due to their sensitivity to exogenous disturbance, and
parameter uncertainties. The mixed sensitivité method of 𝐻∞ control and the minimum
variance of the adaptive approch algorithm are used for the speed control.
The results obtained show the efficiency of the proposed controllers to ensure robustness
against load, parameters variations and to achieve the required performances under the
various conditions.
Keyword — 𝐻∞ control, Adaptive control, Induction machine, Field oriented control,
Recursive least square algorithm.
IV
Table des matières
Remerciement …………………………………………………………………………………… I
Dédicaces …………………………………………………………………………...................... II
Résumé ……………………………………………………………………….. …………….. IV
Sommaire ……………………………………………………………………….. …………….. V
Liste des figures …………………………………………………………….............................. VII
Notion des symboles ……………………………………………………………………………. IX
Introduction Générale ……………………………….………………………….. …………… 01
Chapitre I : Modélisation de la Machine Asynchrone En vue de sa

Commande
I.1 Introduction …………………………………………………………………………………. 02

I.2 Modèle Dynamique de la Machine Asynchrone…………………………………………….. 03
I.2.1 Hypothèses simplificatrices……………………………………………….………….. 04
I.2.2 Equations des tensions et des flux………………………………………….………… 05
I.3 Modèle de PARK de la Machine Asynchrone…………………………………………….... 06
I.3.1 Transformation de Park………………………………………………………………… 07
I.3.2 Application aux équations des tensions et des flux……………………….................... 08
I.3.3 Choix du référentiel………………………………………………………................... 10
I.4 Expressions du Couple Électromagnétique………………………………………………… 11
I.5 Mise sous forme d’Equations d’Etat………………………………………………………… 12
I.6 Résultats de Simulation……………………………………………………………………… 21
I.7 Conclusion…………………………………………………………………………………... 14
Chapitre II : Commande Vectorielle Directe de La Machine

Asynchrone.
II.1Introduction………………………………………………………………………………….. 15
II.2 Principe Générale de la Commande……………………………………………..…………. 16
II.2.1 Orientation de flux rotorique …………………………………………………………. 16
II.3 Découplage Entrée-Sortie…………………………………………………………..………. 17
V
II.3.1 Découplage par compensation……………………………………………...…………. 17
II.4 Commande à Flux Rotorique Orienté………………………………………………………. 19
II.4.1 Les estimateurs utilisés dans la commande directe à flux rotorique orienté.... ……… 19
II.4.2 Schéma de principe de la commande vectorielle directe……………….....………….. 21
II.5 Résultats de Simulations et Interprétations…………………………………........……….. 25
II.6 Conclusion…………………………………………………………………........................... 29
Chapitre III : La Commande Adaptative des Processus
III.1 Introduction………………………………………………………………………………… 30
III.2 Principe de la Commande Adaptative …………………………………………………… 30
III.2.1 Commande à Contre-réaction et Commande Adaptative……………………… 30
III.3.Différentes Techniques de Commande Adaptative…………………………………….… 31
III.3.1 Commande adaptative à modèle de référence……………………………………… 31
III.3.2Commande auto-ajustable………………………………………………………….… 32
III.4 Identification Paramétrique du Processus…………………………………………............. 33
III.4.1 Principe de l'Identification……………………………………………………........... 34
III.4.2 Avantages de l'Estimation Paramétrique Récursive…………………………..…....... 35
III.4.3 Régression Linéaire………………………………………………………………...... 35
III.4.4 Méthodes des Moindres Carrés Récursifs………………………………………........ 36
III.5 Conclusion……………………………………………………………………………........ 41
Chapitre IV : Commande Adaptative Auto-Ajustable à Variance

Minimale.
IV. Introduction………………………………………………………………….....……..... … 42
IV. 1 Principe de la commande………………………………………………………………….. 42
IV.2 Formulation du Problème………………………………………………………………….. 43
IV.3 Synthèse de la Loi de Commande Auto-ajustable……………………………………….... 44
IV.4 Application de la Commande Adaptative à la MAS…………………………………………... 47
IV.5 Résultats et Interprétation………………………………………………………………………….. 48
IV.6 Conclusion…………………………………………………………………………………. 55
Conclusion générale …………………………………………………………………………… 56
Bibliographie……………………………………………………………………………………. 57
VI
Annex…………………………………………………………………………………………… 60
********************** Liste des figures ********************
Figure I.1 Représentation schématique d’une MAS triphasée………………………………..... 05

Figure I.2 Modèle de Park de la MAS…………………………………………………………. 07
Figure I.3 : Représentation des axes de la machine……………………………………......... 08
Figure I.4 : Simulation d'un démarrage de la MAS à vide alimentée par le réseau triphasé…. 13
Figure II.1:Schéma du principe de découplage pour la MAS par analogie avec la MCC……. 16
Figure II.2 :Commande découplée-Expressions deΦr et Ce ………………………………...... 18
Figure II.3 : Compensation des termes de couplage…………………………………………… 19
Figure II.4 : Représentation du bloc d’estimation……………………………………...……… 20
Figure II.5 : Schéma de la commande vectorielle directe de la machine asynchrone……….... 21
Figure II.6 : Schéma en BF de régulation de flux………………………………………...……. 22
Figure II.7 : Schéma en BF de régulation de couple……………………………………...……. 23
Figure II.8 : Schéma en BF de régulation de vitesse par IP classique …………………….…… 24
Figure II.9 : Simulation de démarrage à vide puis l’introduction d’une charge……………....... 26
Figure II.10 Simulation de l’inversion de sens de rotation…………………………………….. 27
Figure II.11 Simulation de la commande à basse vitesse…………...………………………….. 28
Figure III.1: Structure de base d'une commande adaptative……………………………………. 31
Figure III.2: Schéma de principe de la commande directe MRAC…………………...………... 32
Figure III.3: Schéma de principe de la commande auto-ajustable STC………………………... 33
Figure III.04 : Principe de l’estimation du processus…………………………………………... 34
Figure III.05 Structure du modèle ARMAX……………………………………...……………. 39
Figure IV.1: l’effet de la commande à variance minimale………………..……………………. 42
Figure IV.2: Structure du modèle ARMAX……………………………………………………. 43
Figure IV.3: Schéma bloc du système en boucle fermé……………………………………........ 47
Figure IV.4: Schéma bloc de la commande adaptative à variance minimale de la MAS………. 48
Figure IV.5 : évolution de la vitesse par simulation…………………………………...……….. 49
Figure IV.6 : évolution de la vitesse sous expérimentation…………………………… ………. 49
Figure IV.7 : Simulation des paramètres………………...…………………………………....... 50
Figure IV.8 : les paramètres sous expérimentation ……. .……………………………………... 50
VII
Figure IV.9 : simulation d’application de couple.……. .……………………………..………... 51
Figure IV.10 : application du couple, expérimentation. .……………………………..….…….. 51
Figure IV.11 : couple électromagnétique sous perturbation……………….…………..……….. 52
Figure IV.12 : simulation des paramètres avec le couple………………….…………..……….. 52
Figure IV.13 : les paramètres avec un couple sous expérimentation…………………...………. 53
Figure IV. 14 : simulation de la pondération de commande ………………………………........ 53
Figure IV.15 : la pondération de la commande sous expérimentation……………...…………. 53
Figure IV.16 : comportement de la commande sans couple ……………………...……………. 54
Figure IV.17 : comportement de la commande sous un couple ………………………………... 54
VIII
****************** Notations et symboles *******************
ωs : Vitesse angulaire statorique
ωg : Vitesse angulaire de glissement.
Ω : Vitesse angulaire rotorique.
P : Nombre de paires de pôles.
G : Glissement
Rs : Résistance d’une phase statorique
Rr : Résistance d’une phase rotorique.
[Rs] : Matrice des résistances statorique.
[Rr] : Matrice des résistances rotorique.
Mo : Valeur maximale des inductances mutuelles statorique et rotorique.
[Lss ] : Matrice d’inductances statorique
[Lrr] : Matrice d’inductances rotorique.
[Msr ] : Matrice des inductances mutuelles stator- rotor.
Ls = ls − mr : Inductance propres cyclique statorique.
M = 3/2Msr : Mutuelle inductance cyclique stator- rotor.
Vds, Vqs : Composantes du vecteur tension statorique dans le référentiel (d,q)
Vdr, Vqs : Composantes du vecteur tension rotorique dans le référentiel (d,q)
Cem : Couple électromagnétique.
Cr: : Couple de charge (résistant).
J : Inertie totale du système.
Fr : Coefficient de frottement.
Ω : Vitesse mécanique du rotor.
𝜃 abs : Angle de rotation lié au référentiel d’observation.
𝜃s : Angle de rotation de l'axe (d, q) par rapport au stator
𝜃r : Angle de rotation de l'axe (d, q) par rapport au rotor
𝜃 : Angle de rotation du rotor par rapport au stator
Ts = Ls/Rs : Constante de temps des courants statorique.
Tr=Lr/Rr : Constante de temps des courants rotorique.
[P(𝜃 s)] : Matrice de PARK.
MAS : Machine asynchrone.
BF : Machine asynchrone.
PI ou IP : Action Proportionnelle et Intégrale.
MRAC : « Model Reference Aadaptive Contol » Commande Adaptative à Modèle
IX
de Référence
ARMAX : : Auto-Regressive Moving Average with eXogenous input
MCR : Moindre Carré Récursive
X
Introduction générale
Les développements actuels en électrotechnique permettent une amélioration des performances
et de la fonctionnalité des entraînements électriques. L’actionneur électrique joue un rôle croissant
dans les domaines l’application dans l’industrie, les machines électriques associent à une dynamique
élevée, des facilitées de commande liées à la relation directe entre le couple et le flux. En effet, les
moteurs asynchrones, en raison de leur faible coût et de leur robustesse, constitue actuellement la
machine la plus utilisée pour réaliser des entraînements à vitesses variables. Cependant, pour
contrôler efficacement la dynamique du couple d’un moteur asynchrone , il faut employer des
stratégies de commande plus élaborées.
Ainsi les progress de l’informatique, de l’électronique de puissance et de l’automatique, ont
provoqué des changements importants dans la conception des systèmes de commande/régulation. Ce
développement a poussé plusieurs laboratoires d’automatique de recherche vers des structures de
commande beaucoup plus évoluées basées sur des méthodes d’automatique à savoir les commande
vectorielle, adaptative, non linéaire, prédictive….
La commande vectorielle du flux rotorique se base sur un contrôle effectif de l’état
magnétique de la machine et du couple électromagnétique. Les bases de la théorie sur le contrôle
vectoriel ou contrôle à flux orienté (FOC) ont été développées par Blaschke dès 1971, ce type de
commande permet d’envisager un découplage entre le couple et le flux de la machine et d’aboutir à
un contrôle comparable à celui des machines à courant continu.
La mise en oeuvre d’une loi de commande, adaptative de haute performance appliquée à la
machine asynchrone, avec comme objectif d’améliorer la poursuite de trajectoires, garantir la
stabilité, la robustesse aux variations des paramètres et le rejet de perturbation.
Dans le premier chapitre, nous allons présenter mathématiquement, la modélisation de la
machine asynchrone sous forme de différents modèles d’état selon le choix de repère, le vecteur
d’état et les entrées-sorties possibles du moteur.
Dans le deuxième chapitre, nous présenterons la stratégie de la commande vectorielle à flux
orienté appelée (FOC). Cette technique nécessite la connaissance de la position du flux ou de la
position du rotor afin de contrôler le couple et la vitesse de la machine.
Le troisième chapitre, représente la commande adaptative qui regroupe les ensemble des
techniques utilisées pour l’ajustement automatique des régulateurs pour assurer les performances
voulues quand les paramètres du système à contrôler sont inconnus et/ou variaient dans le temps.
1
Le quatrième chapitre, représente l’application de la technique de régulation à variance

minimal et les essais expérimentaux de l’approche de la commande auto-ajustable qui ont étaient
réaliser au centre de recherche nucléaire de Birin qui ont mit à notre disposition un matériel de
pointe et de haute gamme , la méthode à variance minimal a néanmoins un intérêt pratique pour
comprendre et évaluer les performances maximales qui peuvent être obtenues par des techniques
plus simples et largement utilisées à ce jour.
2
Chapitre I : Modélisation de la machine Asynchrone en vue de ça commande.
Chapitre I : Modélisation de la machine asynchrone en

vue de sa commande.
I.1 Introduction
La machine à courant continu par découplage naturel entre le flux et le couple
électromagnétique est parfaitement adaptée à la vitesse variable. Elle a permis, dès l'apparition
de l'électronique de puissance, de satisfaire la plus grande partie des besoins industriels.
Dans la plus part des milieux industriels à cause de la présence d’un collecteur mécanique
et en raison de sa fragilité ce moteur n’est pas convenable. Un intérêt considérable a été accordé
aux machines à courant alternatif pour le remplacement du moteur à courant continu au cours de
ces dernières décennies et ceci après l’évolution dans le domaine de la commande numérique et
de sa réalisation. En effet, l’évolution dans le domaine de l’informatique industrielle a permis le
développement de commandes complexes numériquement et par conséquent ceci a rendu
possible l’utilisation des machines a courant alternatif dans des applications diverses.
La machine asynchrone est la machine à courant alternatif la plus utilisée actuellement par
les industrielles. Ce choix est justifié par plusieurs critères tels que son prix, sa robustesse et
surtout que c'est une machine qui n'a pas de collecteur mécanique et donc facile à entretenir.
D’autre part cette machine possède une dynamique fortement non linéaire, couplée et dont les
paramètres varient au cours du temps. En effet, il est constaté par exemple que les constantes de
temps rotorique et statorique varient considérablement avec la température. Ces caractéristiques
rendent la synthèse de la commande difficile.
Dans ce chapitre, nous allons présenter le modèle dynamique de la machine asynchrone

qui sera utilisée dans la synthèse de la commande, ce modèle est désigné par modèle de
commande. Nous allons aussi présenter les hypothèses qui permettent d’aboutir au modèle de
commande.
I.2 Modèle Dynamique de la Machine Asynchrone
Dans la conception d’une commande d’un système dynamique une étape primordiale et très
importante est celle de l’élaboration du modèle dynamique de commande dit aussi modèle de
commande. Ainsi pour notre application, il est nécessaire d’établir un modèle dynamique de la
3
MAS. Ce modèle doit se rapprocher le plus possible du comportement réel de la MAS mais aussi
le plus simple possible afin de facilite la tâche de conception de commande. En conséquence, ce
modèle doit permettre d’analyser les propriétés dynamiques qui nous intéressent d’une part et le
développement de la commande. Il doit contenir tous les effets dynamiques importants
rencontrés durant les régimes permanent et transitoire et valable pour des changements au niveau
de l’alimentation tel que les tensions ou les courants.
Pour arriver au modèle de commande, il est indispensable de poser un certain nombre

d’hypothèses selon nos objectifs de commande. Ces hypothèses nous permet d’arriver au bon
modèle satisfaisant à la fois le compromis précision et facilité de réglage de la commande.
I.2.1 Hypothèses simplificatrices
La modélisation de la MAS s'appuie sur un certain nombre d'hypothèses que nous allons
récapituler : [6] :
o Parfaite symétrie,
o Assimilation de la cage à un bobinage en court-circuit de même nombre de phases que le
bobinage statorique c'est à dire trois phases,
o Répartition sinusoïdale le long de l'entrefer des champs magnétiques de chaque bobinage,
o Absence de saturation dans le circuit magnétique.
o L’entrefer est d’épaisseur uniforme
Ainsi, nous pouvons schématiser la MAS comme la montre la Figure I.1. Elle est menue de
six enroulements :
Le stator est formé de trois enroulements fixes décalés dans l’espace de 120° et traversés
par trois courants variables. Le rotor peut être modélisé par trois enroulements identiques
décalés dans l’espace de 120°. Ces enroulements sont court-circuités et la tension à leurs bornes
est nulle.
Nous désignons par 𝜃 l’angle électrique entre la phase 𝑨 statorique est la phase
𝒂 rotorique.
4
B
𝑽𝒃𝒔
a ROTOR
b
𝜃
STATOR
A
𝑽𝒂𝒔
𝑽𝒄𝒔
C c
Figure I.1 Représentation schématique d’une MAS triphasée.
I.2.2 Equations des tensions et des flux
En utilisant la notation matricielle, les équations des tensions statorique, écrites dans le
référentiel stationnaire lié au stator, sont données par :
𝑑
[𝑉𝑠 ] = [𝑅𝑠 ] ∙ [𝐼𝑠 ] + [Φ ] (I. 1)
𝑑𝑡 𝑠
De la même manière, les équations des tensions rotorique, écrites dans le référentiel
tournant lié au rotor, s’exprimées par :
𝑑
[0] = [𝑅𝑟 ] ∙ [𝐼𝑟 ] + [Φ ] (I. 2)
𝑑𝑡 𝑟
𝑉𝑎𝑠 𝐼𝑎𝑠 𝐼𝑎𝑟 Φ𝑎𝑠 Φ𝑎𝑟

Où :[𝑉𝑠 ] = [𝑉𝑏𝑠 ] ; [𝐼𝑠 ] = [𝐼𝑏𝑠 ] ; [𝐼𝑟 ] = [𝐼𝑏𝑟 ] ; [Φ𝑠 ] = [Φ𝑏𝑠 ] ; [Φ𝑟 ] = [Φ𝑏𝑟 ] ;
𝑉𝑐𝑠 𝐼𝑐𝑠 𝐼𝑐𝑟 Φ𝑐𝑠 Φ𝑐𝑟
𝑅𝑠 0 0 𝑅𝑟 0 0
[𝑅𝑠 ] = [ 0 𝑅𝑠 0 ] ; 𝑒𝑡 [𝑅𝑟 ] = [ 0 𝑅𝑟 0]
0 0 𝑅𝑠 0 0 𝑅𝑟
Désignent respectivement : Les tensions au stator, les courants statorique et rotorique, les flux
statorique et rotorique, les résistances statorique et rotorique.
Les flux statorique et rotorique instantanés par phase, sont donnés par :
[Φ𝑠 ] = [𝐿𝑠𝑠 ] ∙ [𝐼𝑠 ] + [𝑀𝑠𝑟 ] ∙ [𝐼𝑟 ]

(I. 3)
[Φ𝑟 ] = [𝐿𝑟𝑟 ] ∙ [𝐼𝑟 ] + [𝑀𝑠𝑟 ]𝑡 ∙ [𝐼𝑠 ] (I. 4)
5
Où :
𝑙𝑠 𝑀𝑠 𝑀𝑠 𝑙𝑟 𝑀𝑟 𝑀𝑟
[𝐿𝑠𝑠 ] = [𝑀𝑠 𝑙𝑠 𝑀𝑠 ] ; [𝐿𝑟𝑟 ] = [𝑀𝑟 𝑙𝑟 𝑀𝑟 ] ;
𝑀𝑠 𝑀𝑠 𝑙𝑠 𝑀𝑟 𝑀𝑟 𝑙𝑟
cos 𝜃 cos(𝜃 + 2𝜋⁄3) cos(𝜃 − 2𝜋⁄3)
𝑒𝑡 [𝑀𝑠𝑟 ] = 𝑀𝑠𝑟 [cos(𝜃 − 2𝜋⁄3) cos 𝜃 cos(𝜃 + 2𝜋⁄3)]
cos(𝜃 + 2𝜋⁄3) cos(𝜃 − 2𝜋⁄3) cos 𝜃
Désignent respectivement :Les matrices inductances statorique et rotorique et la mutuelle.
En remplaçant(I.3) et (I.4) dans (I.1) et (I.2) respectivement, nous obtenons les deux
expressions suivantes :
𝑑 𝑑
[𝑉𝑠 ] = [𝑅𝑠 ] ∙ [𝐼𝑠 ] + [𝐿𝑠𝑠 ] ∙ [𝐼𝑠 ] + {[𝑀𝑠𝑟 ] ∙ [𝐼𝑟 ]} (I. 5)
𝑑𝑡 𝑑𝑡
𝑑 𝑑
[0] = [𝑅𝑟 ] ∙ [𝐼𝑟 ] + [𝐿𝑟𝑟 ] ∙ [𝐼𝑟 ] + {[𝑀𝑠𝑟 ]𝑡 ∙ [𝐼𝑠 ]} (I. 6)
𝑑𝑡 𝑑𝑡
Cette mise en équation aboutit à des équations différentielles à coefficients variables (I.5)
et(I.6). L’étude analytique du comportement du système est alors relativement laborieuse. Afin
de contourner cette difficulté, nous allons utiliser la transformation de PARK. En effet, cette
transformation Permet de décrire le comportement de la machine à l’aide d’équations
différentielles à coefficients constants.
La transformation utilisée doit conserver la puissance instantanée. Ceci permet d’établir

une expression du couple électromagnétique dans le repère correspondant au système transformé
qui reste valable pour la machine réelle.
I.3 Modèle de PARK de la Machine Asynchrone

Comme expliqué ci-dessus, la transformation de PARK permet d’aboutir à des équations
différentielles à coefficients constants. Physiquement, La transformation de PARK s’interprète
comme une transformation des trois enroulements de la MAS à seulement deux enroulements,
comme la montre la Figure I.2 [7].
6
B
𝑽𝒃𝒔
q
a
b 𝑽𝒒
𝜃
A
d
𝑽𝒂𝒔
𝑽𝒄𝒔
𝑽𝒅
C c
Figure I.2 Modèle de Park de la MAS
I.3.1 Transformation de Park
La transformation de Park est constituée d'une transformation triphasée – diphasée suivie

d'une rotation. Cette transformation permet de ré-exprimer le modèle dynamique de la MAS dans
un repère mobile diphasé d-q. Ainsi, pour chaque grandeur, on applique la transformation de
Park. Pour simplifier les équations, et par conséquence le modèle, les repères de la
transformation de Park des grandeurs statorique et celle des grandeurs rotorique doivent
coïncider. En effet, si l'on note par 𝜃𝑠 (respectivement 𝜃𝑟 ) l'angle de la transformation de Park
des grandeurs statorique (respectivement rotorique) Figure I.3, ceci se fait en liant les angles 𝜃𝑠 et
𝜃𝑟 par la relation :
𝜃𝑠 = 𝜃𝑟 + 𝜃 (I. 7)
7
𝒅
𝑏𝑠
𝒒 𝜃𝑠
𝜃𝑟 𝑎𝑟
𝑏𝑟
𝜃 𝜃𝜃
𝜃 𝑎𝑠
𝑐𝑠
𝑐𝑟
𝜃
Figure I.3 : Représentation des axes de la machine
Les amplitudes directe (𝒅) et en quadrature(𝒒)des grandeurs statoriques et rotoriques sont

fictives. Les relations entre ces grandeurs avec les grandeurs par phase sont comme suit :
2𝜋 2𝜋
cos(𝜃𝑠 ) cos(𝜃𝑠 − ) cos(𝜃𝑠 + )
𝑉𝑑𝑠 3 3
2𝜋 2𝜋 𝑉𝑎𝑠 𝑉𝑎𝑠
[ 𝑉𝑞𝑠 ] = 𝑐 ∙ −sin(𝜃𝑠 ) −sin(𝜃𝑠 − ) −sin(𝜃𝑠 + ) ∙ [𝑉𝑏𝑠 ] = [𝑃(𝜃𝑠 )] ∙ [𝑉𝑏𝑠 ] (I. 8)
3 3 𝑉𝑐𝑠 𝑉𝑐𝑠
𝑉0 1 1 1
[ √2 √2 √2 ]
2𝜋 2𝜋
cos(𝜃𝑠 ) cos(𝜃𝑠 − ) cos(𝜃𝑠 + )
3 3 𝑉𝑑𝑠 𝑉𝑑𝑠
𝑉𝑎𝑠 2𝜋 2𝜋
[𝑉𝑏𝑠 ] = 𝑐 ∙ −sin(𝜃𝑠 ) −sin(𝜃𝑠 − ) −sin(𝜃𝑠 + ) ∙ [ 𝑉𝑞𝑠 ] = [𝑃−1 (𝜃𝑠 )] ∙ [ 𝑉𝑞𝑠 ] (I. 9)
𝑉𝑐𝑠 3 3
1 1 1 𝑉0 𝑉0
[ √2 √2 √2 ]
3
Où cest une constante qui peut prendre soit les valeurs ou 1 pour la non conservation de
2
3
puissance, soit la valeur√2 pour une conservation de puissance. [8]
Dans notre cas, nous prendrons:
𝟑
𝒄=√ (I. 10)
𝟐
Nous allons appliquer cette transformation pour chaque équation décrivant la dynamique
de la MAS.
I.3.2 Application aux équations des tensions et des flux
Appliquons la transformation de Park ((I.8) et (I.9)) à l’expression (I.1) :
8
𝑑
[𝑃−1 (𝜃𝑠 )] ∙ [𝑉𝑠𝑑𝑞 ] = [𝑅𝑠 ] ∙ [𝑃−1 (𝜃𝑠 )] ∙ [𝐼𝑠𝑑𝑞 ] +
{[𝑃−1 (𝜃𝑠 )] ∙ [Φ𝑠𝑑𝑞 ]}(I. 11)
𝑑𝑡
En multipliant les deux membres de l’égalité par[𝑃(𝜃𝑠 )], nous trouvons :
𝑑 𝑑
[𝑉𝑠𝑑𝑞 ] = [𝑅𝑠 ] ∙ [𝐼𝑠𝑑𝑞 ] + [Φ𝑠𝑑𝑞 ] + [𝑃(𝜃𝑠 )] {[𝑃−1 (𝜃𝑠 )]} ∙ [Φ𝑠𝑑𝑞 ](I. 12)
𝑑𝑡 𝑑𝑡
Or
−sin(𝜃𝑠 ) −cos(𝜃𝑠 ) 0
2𝜋 2𝜋
𝑑 −1 𝑑𝜃𝑠 −sin(𝜃𝑠 − ) −cos(𝜃𝑠 − ) 0
[𝑃 (𝜃𝑠 )] = 𝑐 ∙ 3 3 (I. 13)
𝑑𝑡 𝑑𝑡 2𝜋 2𝜋
[−sin(𝜃𝑠 + 3 ) −cos(𝜃𝑠 + )
3
0]
Donc, après un calcul direct, nous trouvons
𝑑𝜃𝑠
0 − 0
𝑑 −1 𝑑𝑡
[𝑃(𝜃𝑠 )] [𝑃 (𝜃𝑠 )] = 𝑑𝜃𝑠 (I. 14)
𝑑𝑡 0 0
𝑑𝑡
[ 0 0 0]
Et l’expression (1.12) devient alors :
𝑑 𝜃𝑠
𝑉𝑑𝑠 𝐼𝑑𝑠 𝑑 Φ𝑑𝑠 0 −
𝑅
[𝑉 ] = [ 𝑠
0
] ∙ [𝐼 ] + [Φ ] + [ 𝑑𝑡 ] ∙ [Φ𝑑𝑠 ] (I. 15)
𝑞𝑠 0 𝑅𝑠 𝑞𝑠 𝑑𝑡 𝑞𝑠 𝑑 𝜃𝑠 Φ𝑞𝑠
0
𝑑𝑡
De manière similaire, et en suivant les mêmes étapes, nous obtenons pour le rotor
l’expression suivante :
𝑑 𝜃𝑟
𝐼𝑑𝑟 𝑑 Φ𝑑𝑟 0 −
0 𝑅
[ ]=[ 𝑟
0
] ∙ [𝐼 ] + [Φ ] + [ 𝑑𝑡 ] ∙ [Φ𝑑𝑟 ] (I. 16)
0 0 𝑅𝑟 𝑞𝑟 𝑑𝑡 𝑞𝑟 𝑑 𝜃𝑟 Φ𝑞𝑟
0
𝑑𝑡
Maintenant on applique la transformation de Park ((1.8) et (1.9)) à l’expression (1.3) :
[𝑃 −1 (𝜃𝑠 )] ∙ [Φ𝑠𝑑𝑞 ] = [𝐿𝑠𝑠 ] ∙ [𝑃−1 (𝜃𝑠 )] ∙ [𝐼𝑠𝑑𝑞 ] + [𝑀𝑠𝑟 ] ∙ [𝑃−1 (𝜃𝑟 )] ∙ [𝐼𝑟𝑑𝑞 ](I. 17)
Un calcul simple nous donne :
𝑙𝑠 − 𝑀𝑠 0 0
[𝑃(𝜃𝑠 )] ∙ [𝐿𝑠𝑠 ] ∙ [𝑃−1 (𝜃𝑠 )] = [ 0 𝑙𝑠 − 𝑀𝑠 0 ] (I. 18)
0 0 𝑙𝑠 + 2𝑀𝑠
9
Et
3 cos( 𝜃𝑠 − 𝜃𝑟 − 𝜃 ) sin( 𝜃𝑠 − 𝜃𝑟 − 𝜃 ) 0
[𝑃(𝜃𝑠 )] ∙ [𝑀𝑠𝑟 ] ∙ [𝑃−1 (𝜃𝑟 )] = 𝑀𝑠𝑟 [−sin( 𝜃𝑠 − 𝜃𝑟 − 𝜃 ) cos( 𝜃𝑠 − 𝜃𝑟 − 𝜃 ) 0] (I. 19)
2
0 0 0
D’après l’égalité (1.7), nous pouvons écrire :
3 1 0 0
[𝑃(𝜃𝑠 )] ∙ [𝑀𝑠𝑟 ] ∙ [𝑃−1 (𝜃𝑟 )] = 𝑀𝑠𝑟 [0 1 0] (I. 20)
2
0 0 0
En introduisant les inductances cycliques :

𝐿𝑠 = 𝑙𝑠 − 𝑀𝑠
3 (I. 21)
𝐿𝑚 = 𝑀𝑠𝑟
2
L’expression (1.17) devient alors :
Φ𝑑𝑠 𝐿 0 𝐼𝑑𝑠 𝐿 0 𝐼𝑑𝑟

[Φ ] = [ 𝑠 ] ∙ [𝐼 ] + [ 𝑚 ] ∙ [𝐼 ] (I. 22)
𝑞𝑠 0 𝐿𝑠 𝑞𝑠 0 𝐿𝑚 𝑞𝑟
De la même manière, en appliquant la transformation de Park à l’équation du flux rotorique, et

en introduisant l’inductance cyclique:
𝐿𝑟 = 𝑙𝑟 − 𝑀𝑟 (I. 23)
On aura :
Φ𝑑𝑟 𝐿 0 𝐼𝑑𝑟 𝐿 0 𝐼𝑑𝑠

[Φ ] = [ 𝑠 ] ∙ [𝐼 ] + [ 𝑚 ] ∙ [𝐼 ] (I. 24)
𝑞𝑟 0 𝐿𝑠 𝑞𝑟 0 𝐿𝑚 𝑞𝑠
I.3.3 Choix du référentiel

De manière générale, les équations des tensions et des flux de la MAS, écrites dans le plan
d-q, d’après (1.15), (1.16), (1.22) et (1.24), sont les suivantes :
Equations des tensions :
𝑑Φ𝑑𝑠 𝑑 𝜃𝑠
𝑉𝑑𝑠 = 𝑅𝑠 ∙ 𝐼𝑑𝑠 + − ∙ Φ𝑞𝑠
𝑑𝑡 𝑑𝑡
𝑑Φ𝑞𝑠 𝑑 𝜃𝑠
𝑉𝑞𝑠 = 𝑅𝑠 ∙ 𝐼𝑞𝑠 + − ∙ Φ𝑑𝑠
𝑑𝑡 𝑑𝑡 (I. 25)
𝑑Φ𝑑𝑟 𝑑 𝜃𝑟
0 = 𝑅𝑟 ∙ 𝐼𝑑𝑟 + − ∙ Φ𝑞𝑟
𝑑𝑡 𝑑𝑡
𝑑Φ𝑞𝑟 𝑑 𝜃𝑟
{ 0 = 𝑅𝑟 ∙ 𝐼𝑞𝑟 + − ∙ Φ𝑑𝑟
𝑑𝑡 𝑑𝑡
10
Equations des flux :
Φ𝑑𝑠 = 𝐿𝑠 ∙ 𝐼𝑑𝑠 + 𝐿𝑚 ∙ 𝐼𝑑𝑟

Φ𝑞𝑠 = 𝐿𝑠 ∙ 𝐼𝑞𝑠 + 𝐿𝑚 ∙ 𝐼𝑞𝑟
(I. 26)
Φ𝑑𝑟 = 𝐿𝑟 ∙ 𝐼𝑑𝑟 + 𝐿𝑚 ∙ 𝐼𝑑𝑠
{ Φ𝑞𝑟 = 𝐿𝑟 ∙ 𝐼𝑞𝑟 + 𝐿𝑚 ∙ 𝐼𝑞𝑠
Cependant, nous pouvons simplifier ces équations encore en choisissant un référentiel

particulier pour dq. En effet, trois types de référentiels peuvent être envisagés, à savoir :
o Référentiel lié au stator : caractérisé par 𝜃𝑠 = 0, et par conséquence 𝜃𝑟 = −𝜃

o Référentiel lié au rotor : caractérisé par𝜃𝑟 = 0, et par conséquence 𝜃𝑠 = 𝜃
o Référentiel lié au synchronisme : dans ce cas, la vitesse du repère dq est la vitesse du
synchronisme 𝜔𝑠 (vitesse du champ tournant), donc :
𝑑 𝜃𝑠 𝑑 𝜃𝑟
= 𝜔𝑠 𝑒𝑡 = 𝜔𝑠 − 𝜔
𝑑𝑡 𝑑𝑡
.
C’est dans ce dernier référentiel que nous allons travailler par la suite. L’avantage d’utiliser ce
référentiel est d’avoir des grandeurs constantes en régime permanent, Il est alors plus aisé d’en
faire la régulation. [7]
Le système d’équations (1.25) devient alors :
𝑑Φ𝑑𝑠
𝑉𝑑𝑠 = 𝑅𝑠 ∙ 𝐼𝑑𝑠 + − 𝜔𝑠 ∙ Φ𝑞𝑠
𝑑𝑡
𝑑Φ𝑞𝑠
𝑉𝑞𝑠 = 𝑅𝑠 ∙ 𝐼𝑞𝑠 + − 𝜔𝑠 ∙ Φ𝑑𝑠
𝑑𝑡 (I. 27)
𝑑Φ𝑑𝑟
0 = 𝑅𝑟 ∙ 𝐼𝑑𝑟 + − (𝜔𝑠 − 𝜔) ∙ Φ𝑞𝑟
𝑑𝑡
𝑑Φ𝑞𝑟
{ 0 = 𝑅𝑟 ∙ 𝐼𝑞𝑟 + − (𝜔𝑠 − 𝜔) ∙ Φ𝑑𝑟
𝑑𝑡
I.4 Expressions du Couple Électromagnétique

Une expression du couple électromagnétique exprimé à partir des différentes grandeurs
exprimées dans le repère d-q [6][8] est donnée par :
11
𝐿𝑚
C𝑒 = 𝑃 (Φ𝑑𝑟 ∙ 𝐼𝑞𝑠 − Φ𝑞𝑟 ∙ 𝐼𝑑𝑠 ) (I. 28)
𝐿𝑟
I.5 Mise sous forme d’Equations d’Etat

Il est nécessaire de représenter le modèle non linéaire de la machine asynchrone sous
forme d’équations d’état afin d’avoir une écriture normalisée du modèle. Pour une machine
asynchrone alimentée en tension, les tensions statorique𝑽𝒅𝒔 et 𝑽𝒒𝒔 sont les variables de contrôle,
et nous considérons les flux rotorique, les courants statorique et la pulsation mécanique comme
variables d’état. L’équation mécanique de la MAS est donnée par :
𝑑Ω
𝐽 = 𝐶𝑒 − 𝐶𝑟 (I. 29)
𝑑𝑡
Où 𝐶𝑟 est le couple résistant incluant les frottements et le couple de charge.
En utilisant les expressions (1.26), (1. 27) et (1.29) et après arrangement, nous aurons le
système suivant :
𝑑𝐼𝑑𝑠 1 𝐿𝑚 2 𝐿𝑚 𝐿𝑚
= [−(𝑅𝑠 + ) ∙ 𝐼𝑑𝑠 + 𝜎 ∙ 𝐿𝑠 ∙ 𝜔𝑠 ∙ 𝐼𝑞𝑠 + ∙ 𝛷𝑑𝑟 + ∙ 𝜔 ∙ 𝛷𝑞𝑟 + 𝑉𝑑𝑠 ]
𝑑𝑡 𝜎 ∙ 𝐿𝑠 𝐿𝑟 ∙ 𝑇𝑟 𝐿𝑟 ∙ 𝑇𝑟 𝐿𝑟
𝑑𝐼𝑞𝑠 1 𝐿𝑚 2 𝐿𝑚 𝐿𝑚
= [−𝜎 ∙ 𝐿𝑠 ∙ 𝜔𝑠 ∙ 𝐼𝑑𝑠 −(𝑅𝑠 + ) ∙ 𝐼𝑞𝑠 − ∙ 𝜔 ∙ 𝛷𝑑𝑟 + ∙ 𝛷 + 𝑉𝑞𝑠 ]
𝑑𝑡 𝜎 ∙ 𝐿𝑠 𝐿𝑟 ∙ 𝑇𝑟 𝐿𝑟 𝐿𝑟 ∙ 𝑇𝑟 𝑞𝑟
𝑑𝛷𝑑𝑟 𝐿𝑚 1 (I. 30)
= ∙ 𝐼𝑑𝑠 − ∙ 𝛷𝑑𝑟 + (𝜔𝑠 − 𝜔) ∙ 𝛷𝑞𝑟
𝑑𝑡 𝑇𝑟 𝑇𝑟
𝑑𝛷𝑞𝑟 𝐿𝑚 1
= ∙ 𝐼 − (𝜔𝑠 − 𝜔) ∙ 𝛷𝑑𝑟 − ∙ 𝛷𝑞𝑟
𝑑𝑡 𝑇𝑟 𝑞𝑠 𝑇𝑟
𝑑𝜔 𝑃2 𝐿𝑚 𝑃
= (𝛷𝑑𝑟 ∙ 𝐼𝑞𝑠 − 𝛷𝑞𝑟 ∙ 𝐼𝑑𝑠 ) − 𝐶𝑟
{ 𝑑𝑡 𝐽 𝐿𝑟 𝐽
Où
𝐿𝑚 2
𝜎 =1− ∶ 𝑒𝑠𝑡 𝑙𝑒 𝑓𝑎𝑐𝑡𝑒𝑢𝑟 𝑑𝑒 𝑑𝑖𝑠𝑝𝑒𝑟𝑠𝑖𝑜𝑛
𝐿𝑟 ∙ 𝐿𝑠
𝐿𝑟
𝑇𝑟 = ∶ 𝑒𝑠𝑡 𝑙𝑎 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑑𝑢 𝑡𝑒𝑚𝑝𝑠 𝑟𝑜𝑡𝑜𝑟𝑖𝑞𝑢𝑒.
𝑅𝑟
12
I.6 Résultats de Simulation

Afin de faire une première validation du modèle de la MAS, nous allons faire quelques
simulations du modèle et voir la cohérence de ses réponses. Pour ce test, nous alimentons
directement la MAS à vide par le réseau triphasé 230/400 V. A l’instant 𝑡 = 0.5 𝑠𝑒𝑐 on introduit
un couple résistant nominal 𝐶𝑟𝑛 = 10𝑁𝑚 . Les grandeur observés sont la vitesse mécanique, le
couple électromagnétique ainsi que les courants statorique et flux rotorique.
Les résultats de simulation sont représentés ci-dessous.
Figure I.4 : Simulation d'un démarrage de la MAS à vide alimentée par le réseau triphasé
Interprétation des courbes:

Les courbes de la Figure I.4 représentent les résultats de simulation de la MAS pour un
démarrage à vide.
13
▪ La vitesse en régime permanent se stabilise à une valeur proche de la vitesse du

synchronisme car la machine tourne à vide.
▪ Au démarrage à vide, le couple est fortement pulsatoire. Il atteint une valeur maximale de
l'ordre de 3 fois le couple nominale. Ceci est dû aux bruits engendrés par la partie mécanique, et
après disparition du régime transitoire, il tend vers la valeur correspondante à la charge nulle.
▪ L'appel au courant est fort au démarrage. Au régime permanent, il reste le courant
correspondant au comportement inductif du moteur à vide.
▪ L’introduction du couple résistant nominal fait augmenter le courant à sa valeur
nominale, la vitesse diminue à sa valeur nominale. Le couple électromagnétique augmente bien
sûre à 10 N.m. Le flux rotorique diminue aussi, c’est l’effet du couplage naturel de la machine
asynchrone entre le couple et le flux.
I.7 Conclusion
Dans ce premier chapitre, nous avons présenté la modélisation et quelques simulations du
moteur asynchrone à cage d'écureuil.
La modélisation a été conduite avec certaines hypothèses simplificatrices. Ces hypothèses
ont permis de réduire la complexité du modèle de la MAS. Néanmoins le modèle obtenu est à
paramètres variables. L’utilisation de la transformation de PARK nous a permis d’obtenir un
modèle à coefficients constants convenable à la synthèse de lois de commande.
Ensuite, nous avons mis le modèle sous forme d’état. Le processus du démarrage du
moteur a été modélisé et simulé à vide. Les résultats obtenus montrent la validité du modèle.
Nous allons dans la suite de ce mémoire, développer des lois de commande classique ainsi
robuste et adaptative en se basant sur le modèle de la MAS obtenu dans ce chapitre.
14
Chapitre II : Commande Vectorielle directe de la Machine Asynchrone.
Chapitre II : Commande Vectorielle Directe de La

Machine Asynchrone
II.1 Introduction
La machine à courant continu à excitation indépendante offre comme principal avantage
d’être facilement commandable du fait que le couple et le flux sont découplés. Ainsi ces derniers
peuvent être contrôlés indépendamment. Le flux est contrôlé de l’inducteur et le couple est
contrôlé par le courant d’induit. Or Il est aujourd’hui possible d’obtenir des machines
asynchrones aussi performantes que des machines à courant continu tout en étant plus robuste et
facile à entretenir. Cependant, pour la machine asynchrone, l’expression du couple
électromagnétique est complexe. En effet, l’expression du couple ne ressemble pas à celle d’une
machine à courant continu ou le découplage entre le réglage du flux et celui de couple est
naturel. De ce fait, la machine asynchrone est difficile à commander comparé à la machine à
courant continu.
La commande vectorielle, introduite par Blaschke en 1972, est la première technique de

commande capable de donner à la machine asynchrone de nouvelles performances au moins
comparables à celle de la machine à courant continu [9]. Cette technique consiste à réécrire le
modèle dynamique de la machine asynchrone dans un référentiel tournant avec le flux du rotor.
Dans ce chapitre, nous allons présenter la commande vectorielle directe par orientation de
flux rotorique de la machine asynchrone. Après un découplage par compensation entre couple et
flux, des régulateurs PI classiques seront utilisés dans la synthèse de la commande pour les deux
boucles de flux et de couple. Quant à la régulation de vitesse, nous allons utiliser une boucle
externe du type IP. Tous ces régulateurs nécessitent des mesures de certaines variables pour leurs
implémentations. Pour les variables non mesurés mais nécessaires à la commande, des
estimations seront utilisés à leurs places à partir d’autres variables mesurées.
Des résultats de simulation seront présentés à la fin de ce chapitre, permettront de valider

l’efficacité de l’orientation et le découplage de la technique de commande. Nous clôturons ce
chapitre par une conclusion.
15
II.2 Principe Générale de la Commande

L’objectif de la commande vectorielle est d'arriver à commander la machine asynchrone
comme une machine à courant continu à excitation séparée. Ceci est atteint si on arrive à avoir
un découplage entre la variable commandant le flux, et celle commandant le couple [7][9].Nous
allons voir que ceci peut être atteint par changement de coordonnées et orientation du flux avec
une commande découplante.
Figure II.1:Schéma du principe de découplage pour la MAS par analogie avec la MCC
II.2.1 Orientation de flux rotorique

La commande vectorielle à flux rotorique orienté est basée sur une orientation du repère
tournant d'axes (𝑑, 𝑞) tels que l'axe d soit confondu avec la direction de 𝛷𝑟 [6].
Le flux 𝛷𝑟 étant orienté sur l’axe𝒅, l'équation d'état (I.29) nous permet d'exprimer 𝑉𝑑𝑠 ,
𝑉𝑞𝑠 , 𝛷𝑟 𝑒𝑡 𝜔𝑠 avec 𝛷𝑞𝑟 = 0 𝑒𝑡 𝛷𝑑𝑟 = 𝛷𝑟 et obtenir les équations suivantes:
𝑑𝐼𝑑𝑠 𝐿𝑚 2 𝐿𝑚
𝑉𝑑𝑠 = 𝜎 ∙ 𝐿𝑠 + (𝑅𝑠 + ) ∙ 𝐼𝑑𝑠 − [𝜎 ∙ 𝐿𝑠 ∙ 𝜔𝑠 ∙ 𝐼𝑞𝑠 + ∙ 𝚽𝒓 ]
𝑑𝑡 𝐿𝑟 ∙ 𝑇𝑟 𝐿𝑟 ∙ 𝑇𝑟
𝑑𝐼𝑞𝑠 𝐿𝑚 2 𝐿𝑚
𝑉𝑞𝑠 = 𝜎 ∙ 𝐿𝑠 + (𝑅𝑠 + ) ∙ 𝐼𝑞𝑠 − [−𝜎 ∙ 𝐿𝑠 ∙ 𝜔𝑠 ∙ 𝐼𝑑𝑠 − ∙ 𝜔 ∙ 𝚽𝒓 ]
𝑑𝑡 𝐿𝑟 ∙ 𝑇𝑟 𝐿𝑟
𝑑𝚽𝒓 1 𝐿𝑚
+ ∙ 𝚽𝒓 = ∙I (II. 1)
𝑑𝑡 𝑇𝑟 𝑇𝑟 𝑑𝑠
𝐿𝑚
∙ I = (𝜔𝑠 − 𝜔) ∙ 𝚽𝒓
𝑇𝑟 𝑞𝑠
𝐿𝑚
C𝑒 = 𝑃 (𝚽𝒓 ∙ 𝐼𝑞𝑠 )
𝐿𝑟
{
16
Nous remarquons, grâce à l’utilisation du repère de PARK et de l’orientation du flux, que

le couple et le flux sont commandés séparément par 𝐼ds et 𝐼qs . Or d’après les dynamiques de ces
courants, nous remarquons qu’ils sont commandés par 𝑉𝑑𝑠 et 𝑉𝑞𝑠 avec des équations couplés. Afin
d’avoir un découplage au niveau des commande en tension, nous allons commencer par
synthétiser une commande découplante entrée/sortie.
II.3 Découplage Entrée-Sortie

L’objectif du découplage entrée-sortie, comme son nom l’indique, est de limiter l’effet
d’une entrée à une seule sortie. Le système découplé se présente par un ensemble d’équations
différentielles entrée-sortie découplées. Cet effet découplant, s’il n’est pas naturel dans le
système, on peut l’atteindre par bouclage d’état dit bouclage découplant ou commande
découplante. De ce fait les commandes sont alors non interactives.
Il est évident que pour atteindre le découplage, certaines conditions doivent être vérifiées
sur le système initial. Si ces conditions sont vérifiées, différent techniques de découplage par
retour d’état sont possibles. Dans la suite, nous allons détailler la commande découplante de la
machine asynchrone.
II.3.1 Découplage par compensation

Reprenons le modèle (II.1) et définissons deux nouvelles variables de commande𝑣𝑑𝑠1 et
𝑣𝑞𝑠1 afin de découplée les deux première équations. Ces nouvelles commande sont données par
𝑉𝑑𝑠 = 𝑣𝑑𝑠1 − 𝑒𝑑𝑠 𝑒𝑡 𝑉𝑞𝑠 = 𝑣𝑞𝑠1 − 𝑒𝑞𝑠 (II. 2)
Où : 𝑒𝑑𝑠 et 𝑒𝑞𝑠 sont les termes de couplage donnée par

𝐿𝑚
𝑒𝑑𝑠 = 𝜎 ∙ 𝐿𝑠 ∙ 𝜔𝑠 ∙ 𝐼𝑞𝑠 + ∙ 𝚽𝒓
𝐿𝑟 ∙ 𝑇𝑟
(II. 3)
𝐿𝑚
𝑒 = −𝜎 ∙ 𝐿𝑠 ∙ 𝜔𝑠 ∙ 𝐼𝑑𝑠 − ∙ 𝜔 ∙ 𝚽𝒓
{ 𝑞𝑠 𝐿𝑟
Avec la commande découplante (II.2), le système devient
𝑑𝐼𝑑𝑠 𝐿𝑚 2
𝑣𝑑𝑠1 = 𝜎 ∙ 𝐿𝑠 + (𝑅𝑠 + )∙𝐼
𝑑𝑡 𝐿𝑟 ∙ 𝑇𝑟 𝑑𝑠
(II. 4)
𝑑𝐼𝑞𝑠 𝐿𝑚 2
𝑣𝑞𝑠1 = 𝜎 ∙ 𝐿𝑠 + (𝑅𝑠 + )∙𝐼
{ 𝑑𝑡 𝐿𝑟 ∙ 𝑇𝑟 𝑞𝑠
Les fonctions de transfert de ce système découplé en prenant comme entrées 𝑣𝑑𝑠1 et 𝑣𝑞𝑠1 et
comme sortie 𝐼𝑑𝑠 et 𝐼𝑞𝑠 est :
17
𝐼𝑑𝑠 𝐿𝑟 2
=
𝑣𝑑𝑠1 (𝜎𝐿𝑠 𝐿𝑟 2 ) ∙ 𝒔 + (𝑅𝑠 𝐿𝑟 2 + 𝑅𝑟 𝐿𝑚 2 )
(II. 5)
𝐼𝑞𝑠 𝐿𝑟 2
= 2 2 2
{𝑣𝑞𝑠1 (𝜎𝐿𝑠 𝐿𝑟 ) ∙ 𝒔 + (𝑅𝑠 𝐿𝑟 + 𝑅𝑟 𝐿𝑚 )
Si on redéfinie comme sortie le flux et le couple de la machine, nous obtenons les fonctions de
transfert suivante sous forme de schéma blocs.
𝐿𝑚 1
𝒗𝒅𝒔𝟏 𝜱𝒓
𝜎𝐿𝑠 (𝑠 + 𝛾)(𝑇𝑟 𝑠 + 1)
𝒗𝒒𝒔𝟏 𝑃𝐿𝑚 𝛷𝑟 1
𝑪𝒆
𝜎𝐿𝑠 𝐿𝑟 (𝑠 + 𝛾)
Figure II.2 :Commande découplée-Expressions deΦr et Ce
Avec :
𝑅𝑠 𝐿𝑟 2 + 𝑅𝑟 𝐿𝑚 2 1 1−𝜎
𝛾= 2 = −
𝜎𝐿𝑠 𝐿𝑟 𝜎𝑇𝑠 𝜎𝑇𝑟
Avec ce modèle linéaire et découplé, on imagine plusieurs stratégies de commande pour le

flux et le couple électromécanique. La commande de la machine avec découplage devient sous la
forme générale du schéma de commande suivant :
18
Figure II.3 : Compensation des termes de couplage
A fin de commander le flux et le couple électromécanique, nous allons développer des

régulateurs linéaires, vu que le système découplé est linéaire.
II.4 Commande à Flux Rotorique Orienté

Les régulateurs linéaires que nous allons développer utilisent en entrée les variable du flux
Φr et de couple𝐶𝑒 . Or en pratique ces variables ne sont pas mesurées et par conséquent il est
nécessaire d’avoir une estimation de ces variables à partir des mesures. Nous allons commencer
par établir des estimateurs de ces variables et par la suite présenter la commande.
II.4.1 Les estimateurs utilisés dans la commande directe à flux rotorique orienté
Calcul de 𝜱𝒓 et 𝑪𝒆
Les grandeurs d'état ou de sorties utilisées pour l'élaboration de la commande sont souvent
difficilement accessibles pour des raisons techniques (c'est le cas du flux) ou pour des problèmes
de coût. Par conséquent, il faut avoir des estimateurs de ces variables. Pour notre application ce
sont flux Φr et de couple 𝐶𝑒 qui sont concernés par l’estimation.
19
Le système d'équations (II.1) permet d'estimer le flux Φr :
𝐿𝑚
̂𝑟 =
Φ ∙ I (II. 6)
1 + 𝑇𝑟 𝒔 𝑑𝑠
Alors l’estimation du couple électromagnétique C𝑒 est donnée par :
𝐿𝑚
C𝑒 = 𝑃 ̂ 𝒓 ∙ 𝐼𝑞𝑠 ) (II. 7)
(𝚽
𝐿𝑟
Calcul de 𝝎𝒔 et 𝜽𝒔
La pulsation statorique s'écrit, d'après (II.1) :
𝐿𝑚 I𝑞𝑠
𝜔𝑠 = 𝑃Ω + (II. 8)
̂𝑟
𝑇𝑟 Φ
̂ 𝑟 est nul au démarrage du moteur.Nous
L'équation n'est pas exploitable telle quelle puisque Φ
utiliserons, pour l'implantation, l'équation suivante :
𝐿𝑚 I𝑞𝑠
𝜔𝑠 = 𝑃Ω + (II. 9)
̂𝑟 + 𝜀
𝑇𝑟 Φ
Nous avons alors :
1
θ𝑠 = 𝜔 (II. 10)
𝑠 𝑠
Le schéma suivant représente le bloc d’estimation des grandeurs nécessaires à la régulation à partir
des mesures des courants statorique et de vitesse de rotation
𝑰𝒅𝒔 𝐿𝑚
̂𝒓
𝜱
1 + 𝑇𝑟 𝒔
𝐿𝑚
𝑰𝒒𝒔 𝑃 ̂ 𝑟 ∙ 𝐼𝑞𝑠 )
(Φ ̂𝒆
𝑪
𝐿𝑟
𝐿𝑚 I𝑞𝑠 𝜔𝑠
𝛀 𝑃Ω +
̂𝑟 + 𝜀
𝑇𝑟 Φ
Figure II.4 : Représentation du bloc d’estimation
20
II.4.2 Schéma de principe de la commande vectorielle directe
A partir du modèle de la MAS, des équations de découplage et des équations d’estimation,

nous pouvons élaborer un schéma de principe de la commande vectorielle directe.
Découplage
𝛺𝑟𝑒𝑓 ∗ ∗
𝑣𝑑𝑠1 𝑉𝑑𝑠 ∗
𝑷 −𝟏 𝑣𝑎𝑠
Alimentation
𝑠𝑎
Bloc de 𝑨 ∗
𝑣𝑏𝑠
∗
𝑣𝑞𝑠1 𝑉𝑞𝑠∗ 𝑠𝑏
MLI
régulation [ ]
𝑹 ∗
𝑣𝑐𝑠 𝑠𝑐
𝑲
θ𝑠
∫
𝜔𝑠 𝑷
𝐼𝑑𝑠
̂𝒓
𝜱 Bloc 𝑨 𝐼𝑎,𝑏,𝑐
̂𝒆 d’estimation 𝐼𝑞𝑠 [ ]
𝑪 𝑹
𝑲
MAS
𝑉𝑎
𝛺𝑟
Figure II.5 : Schéma de la commande vectorielle directe de la machine asynchrone
Nous allons présenter la synthèse de chaque régulateur séparément afin ‘expliciter la

méthodologie de synthèse de chacun d’entre eux.
Régulateur de flux
Le découplage proposé Figure (II.3) permet d'écrire :

𝐾1
Φ𝑟 = 1
𝑣𝑑𝑠1 (II. 11)
(𝒔 + 𝛾) (𝒔 + )
𝑇 𝑟
Avec
𝐿𝑚
𝐾1 =
𝜎𝐿𝑠 𝑇𝑟
Nous souhaitons obtenir en boucle fermée une réponse de type 2𝑛𝑑 ordre. Pour atteindre cet
objectif, on prend un régulateur proportionnel-intégral classique de type :
21
𝑘𝑖
𝑃𝐼(𝑠) = 𝑘𝑝 + (II. 12)
𝑠
Nous pouvons représenter le système en boucle fermé par la Figure (II.6) ci-dessous
Φ𝑟 𝑟𝑒𝑓 𝑘
𝑣𝑑𝑠1 Φ𝑟
𝑠 + 𝑘 𝑖1 𝐾1
𝑝1
+
− 𝑘𝑝1 1
𝒔 (𝒔 + 𝑇 )(𝒔 + 𝛾)
𝑟
Figure II.6 : Schéma en BF de régulation de flux
Compensons le pôle le plus lent par le numérateur de la fonction de transfert de notre régulateur,
ce qui se traduit par la condition :
1 𝑘𝑖1
= (II. 13)
𝑇𝑟 𝑘𝑝1
En boucle ouverte, la fonction de transfert s'écrit maintenant :
𝑘𝑝1 𝐾1
𝐹𝐵𝑂1 (𝑠) = (II. 14)
𝒔(𝒔 + 𝛾)
L'équation caractéristique du système en boucle fermée que nous cherchons à identifier à la
forme canonique du 2è𝑚𝑒 ordre est la suivante :
𝛾 1
1+ 𝑠+ 𝑠 2 (II. 15)
𝑘𝑝1 𝐾1 𝑘𝑝1 𝐾1
Nous avons donc à résoudre le système suivant :
𝛾 2𝜉1
=
𝑘𝑝1 𝐾1 𝜔𝑛1
(II. 16)
1 1
= 2
{𝑘𝑝1 𝐾1 𝜔𝑛1
Finalement ;
𝛾2
𝑘𝑝1 =
𝐾1 (2𝜉1 )2
(II. 17)
𝑘𝑝1
𝑘𝑖1 =
{ 𝑇𝑟
22
Régulateur de couple
Les équations de découplage proposées Figure (II.2) permettent d'exprimer C𝑒 par :

𝐾2
C𝑒 = 𝑣 (II. 18)
(𝒔 + 𝛾) 𝑞𝑠1
Avec
𝑃𝐿𝑚 ϕ𝑟𝑟𝑒𝑓
𝐾2 =
𝜎𝐿𝑠 𝐿𝑟
L'utilisation d'un régulateur proportionnel-intégral donne le schéma en boucle fermé suivant
𝑘 C𝑒
𝐶𝑒𝑟𝑒𝑓 𝑠 + 𝑘 𝑖2 𝑣𝑞𝑠1 𝐾2
𝑝2
+
−
𝑘𝑝2 (𝒔 + 𝛾)
𝒔
Figure II.7 : Schéma en BF de régulation de couple
Compensons le seul pôle, ce qui se traduit par la condition :

𝑘𝑖2
𝛾= (II. 19)
𝑘𝑝2
La fonction de transfert en boucle ouverte s'écrit maintenant
𝑘𝑝2 𝐾2
𝐹𝐵𝑂2 (𝑠) = (II. 20)
𝒔
En boucle fermée, nous obtenons une réponse de type 1𝑒𝑟 ordre de constante de temps
1
𝑘𝑝2 𝐾2
Pour un temps de réponse imposé t rep2(5%) ≈ 3τ, nous obtenons les gains suivants :
3
𝑘𝑝2 =
{ 𝐾2 𝑡𝑟𝑒𝑝2(5%) (II. 21)
𝑘𝑖2 = 𝛾𝑘𝑝1
23
Régulateur de vitesse
Pour chaine de régulation de vitesse il a été proposé la commande IP ayant comme

avantage la boucle fermée ne contient pas de zéros ce qu’il nous permet d’obtenir une réponse
apériodique, [10].
D’après l’équation mécanique de la machine l’équation (I.29), Nous avons :

1
Ω= (C − C𝑟 ) (II. 22)
𝐽𝑠 + 𝑓𝑟 𝑒
Le schéma fonctionnel est comme suit ;
𝐶𝑟
𝛺𝑟𝑒𝑓 𝑘𝑖3 𝐶𝑒 1 Ω
+ 𝑘𝑝3 −
+ +
− −
𝑠 𝐽𝑠 + 𝑓𝑟
Figure II.8 : Schéma en BF de régulation de vitesse par IP classique
Dans le cas de l'utilisation de régulateur 𝐼𝑃classique, Ω s'écrit alors
1 𝑘𝑖3
𝛺= [𝑘𝑝3 ( (𝛺𝑟𝑒𝑓 − 𝛺) − 𝛺) − 𝐶𝑟 ] (II. 22)
𝐽𝑠 + 𝑓𝑟 𝑠
On boucle fermée on obtient ;
1 𝑠⁄𝑘𝑝3 𝑘𝑖3
𝛺= 𝐽 𝑘𝑝3 +𝑓𝑟
𝛺𝑟𝑒𝑓 − 𝐽 𝑘𝑝3 +𝑓𝑟
𝐶𝑟 (II. 23)
𝑠2 + 𝑘 𝑠+1 𝑠2 + 𝑠+1
𝑘𝑝3 𝑘𝑖3 𝑝3 𝑘𝑖3 𝑘𝑝3 𝑘𝑖3 𝑘𝑝3 𝑘𝑖3
24
Cette fonction de transfert possède une dynamique de 2è𝑚𝑒 ordre

En identifiant le dénominateur à la forme de réponse apériodique𝜏22 𝑠 2 + 2𝜏2 𝑠 + 1 , nous avons à
résoudre le système d'équations suivant :
𝐽
𝜏22 =
𝑘𝑝3 𝑘𝑖3
(II. 24)
𝑘𝑝3 + 𝑓𝑟
2𝜏2 =
{ 𝑘𝑝3 𝑘𝑖3
Pour un temps de réponse imposé 𝑡𝑟𝑒𝑝3(5%) ≈ 3𝜏2 , nous obtenons les gains suivants :
6𝐽
𝑘𝑝3 = − 𝑓𝑟
𝑡𝑟𝑒𝑝3(5%)
(II. 25)
𝑘𝑝3 + 𝑓𝑟
𝑘𝑖3 = 3
{ 2𝑘𝑝3 𝑡𝑟𝑒𝑝3(5%)
II.5 Résultats de Simulations et Interprétations

Nous allons présenter dans les résultats suivant plusieurs test qui nous permettrons de
valider la stratégie de commande.
Démarrage à vide puis introduction du couple de charge :
Les résultats de simulation de la machine dans un démarrage à vide avec injection d’un
couple résistant sont donnés en Figure II.9.Les valeurs de référence sont : une vitesse de 100
rad/sec et un flux de 0.85 Wb.
25
(𝒂) (𝒃)
(𝒄) (𝒅)
Figure II.9 : Simulation de démarrage à vide puis l’introduction d’une charge
Nous remarquons que la vitesse augmente jusqu’à la valeur de consigne choisie dans le temps
qu’on a fixé par le régulateur de vitesse (0.3s).
Le flux rotorique s’établie à la valeur 0.85 Wb après un temps déterminé par le régulateur du flux
qui est (10ms),le dépassement n’affecte pas beaucoup le flux rotorique pendant le démarrage, ce
dernier est léger. Le courant en quadrature est l’image du couple, ils ont la même forme de
variation.
Après le démarrage de la machine, on introduit un couple de 6 𝑁. 𝑚 dans l’intervalle du

temps 𝑡 ∈ [1𝑠 , 1.5𝑠]. L’introduction de cette charge n’influe pas le flux, mais elle diminue
légèrement la vitesse de rotation. Ce dernier revient à sa valeur de consigne après une courte
26
durée par l’effet de régulation. Le couple électromagnétique augmente jusqu’à 6 𝑁. 𝑚 aussi la

courant en quadrature qui va à la valeur correspond à la charge.
Après 1.5 𝑠 la machine se soulage, le couple électromagnétique et son image en courant revient
aux ses valeurs correspondent à la charge nulle, la vitesse augmente puis va suive sa référence.
La différence est au niveau du flux qui n’est pas affecté par la variation du couple, c’est l’effet
du découplage, alors nous avons bienfait le découplage flux-couple.
Inversion du sens de rotation :
La référence de la vitesse est de 100 𝑟𝑎𝑑⁄𝑠 au démarrage et après une seconde on inverse
le sens de rotation de la machine et la consigne de vitesse devient −100 𝑟𝑎𝑑⁄𝑠 . Les résultatssont
donnés enFigure II.10 La machine tourne à vide.
(𝒂) (𝒃)
(𝒄) (𝒅)
Figure II.10 Simulation de l’inversion de sens de rotation
27
On remarque que l’inversion du sens de rotation influe sur le couple développé. Le choix du
régulateur est justifié, la réponse est rapide. Le flux rotorique est légèrement affecté, une
influence négligeable; ce qui montre la robustesse en de la commande à l’inversion du sens de
rotation.
Résultats de simulation en basses vitesses :
La consigne de vitesse est de 20 𝑟𝑎𝑑⁄𝑠 et après 1 𝑠 on inverse le sens derotation.
(𝒂) (𝒃)
(𝒄) (𝒅)
Figure II.11 Simulation de la commande à basse vitesse
28
Dans la Figure (II.1), nous montrons la robustesse de la commande en basses vitesses; le

couple suit sa référence, la vitesse aussi avec peu de fluctuation. Le temps de réponse de
régulation de la vitesse de rotation est toujours le même (0.3 s) ainsi que celui de la régulation du
flux rotorique (10 ms).
II.6 Conclusion
Dans ce chapitre, nous avons explicité la commande de la machine asynchrone par le
contrôle vectoriel direct à flux rotorique orienté. La commande découplante, nous a permis
d’utiliser des régulateurs classiques linéaires et d’avoir un effet découplé sur la régulation du
flux rotorique et du couple électromécanique. Les régulateurs classiques utilisés sont un
régulateur classique PI dans les boucles de régulation de couple et de flux rotorique et un IP
pour la boucle de vitesse.
Nous avons montré en simulations les performances de la commande. Le découplage entre

le flux et le couple est clairement identifié par plusieurs scénarios de simulations. Le choix des
régulateurs est justifié, à savoir, la rapidité de la réponse et son dépassement acceptable.
Le chapitre qui va suivre traite l’application de la technique de commande robuste 𝐻∞ dans

la régulation de la vitesse de la MAS à base du control vectoriel direct à flux rotorique orienté.
29
Chapitre III : La commande adaptative du processus.
Chapitre III : La commande adaptative du processus

III.1 Introduction
La motivation réelle de la commande adaptative est d'apporter une solution au contrôle des
systèmes dont le comportement dynamique est partiellement ou totalement inconnu et
éventuellement variable dans le temps. Dans ces situations, les méthodes classiques de
commande n'aboutissent pas aux performances désirées en boucle fermée et peuvent même
conduire à une détérioration de la stabilité du aux variations dynamiques [23].
III.2Principe de la Commande Adaptative

Il est difficile de donner une définition précise à l'adaptation. Cependant, le sens retenu est
de dire qu'un régulateur est adaptatif s'il peut modifier son comportement en réponse à des
changements dans la dynamique du procédé ou des perturbations. Cette modification doit se faire
d'une manière automatique, sans intervention externe. Le régulateur adaptatif, est défini par son
aptitude à maintenir, dans ces conditions, un certain niveau de performance préalablement choisi
[24]. Lorsque le système de commande est non-linéaire et que les paramètres de son modèle de
connaissance varient dans de grandes proportions, la commande adaptative est une alternative
intéressante qui permet de prendre en compte ces problèmes.
III.2.1 Commande à Contre-réaction et Commande Adaptative

La structure de base de la commande adaptative est constituée de deux boucles de
régulation. On retrouve la boucle classique à contre réaction comportant le procédé et le
régulateur à paramètres ajustables. La seconde boucle permet de réajuster en ligne les paramètres
du régulateur en fonction d'un certain indice de performance. Cet indice regroupe les objectifs
désirés [25].
La boucle à contre réaction, prend en charge l'effet des perturbations agissant sur les
variables à réguler. La boucle d'adaptation quant-à-elle, permet de diminuer l'effet des variations
paramétriques agissant sur le procédé. Ce dernier point s’obtient en ajustant les paramètres du
régulateur directement ou indirectement face à ses variations paramétriques.
Le schéma de base de la commande adaptative est représenté par la Figure (III.1).
30
Ajustement des
paramètres
Paramètres
du contrôleur
Consigne
Sortie
Contrôleur Processus
Signal de
Commande
Figure III.1: Structure de base d'une commande adaptative
III.3.Différentes Techniques de Commande Adaptative
Parmi les méthodes de commande adaptative, deux principales approches ont attiré le plus
. d'attention [24]:
• La commande adaptative à modèle de référence (Model Reference Adaptive Control

"M.R.A.C").
• Les systèmes de commande auto-ajustable (Self-Tuning Control"S.T.C").
La principale différence qui existe entre les deux approches réside dans le mode
d'ajustement des paramètres du régulateur. Nous allons présenter les principes de ces méthodes
de commande tout en se focalisons sur la méthode choisie par la suite pour notre application.
III.3.1 Commande adaptative à modèle de référence

La commande adaptative à modèle de référence (abréviation MRAC) a été introduite pour
la première fois en 1961 [26].L'idée de base de ces systèmes est de synthétiser le signal de
commande qui forcera le système en boucle fermée de se conduire d'une certaine manière
prescrite par un modèle de référence idéalement choisi (Figure IV.2). La manière dont le système
en boucle fermée suivra le modèle de référence s’obtient par minimisation d’un indice de
performances.
31
𝒚𝒎
Modèle de Référence
𝒚𝒓𝒆𝒇
𝒖𝒑 𝒚𝒑
−
𝒆𝒑
Contrôleur Processus +
Mécanisme d’adaptation des

paramètres du contrôleur
Figure III.2: Schéma de principe de la commande directe MRAC
La technique MRAC permet de spécifier la forme désirée de la réponse du processus par

l’intermédiaire d’un modèle de référence défini paramétriquement. Ainsi l’image des
performances souhaitées en boucle fermée sera codée dans ce modèle paramétrique ainsi que
dans le critère de performance formulé dans l’écart de réponse entre le modèle de référence et la
boucle fermée. En fonction de cet écart le mécanisme d'adaptation modifie certains paramètres
du système ajustable ou injecte un signal supplémentaire afin de minimiser cet écart comme le
montre la Figure IV.2. Par conséquent, l'adaptation peut être réalisée par l'ajustement des
paramètres ou par l'injection d'un signal supplémentaire.
III.3.2Commande auto-ajustable
Cette stratégie de commande a été proposée par Kalman en 1958 et elle est aussi appelée
commande adaptative indirecte avec identification du modèle (MIAC). Le schéma block de
commande est représenté dans la Figure III.3 [26].
32
𝒚𝒓𝒆𝒇
𝒖𝒑 𝒚𝒑
Contrôleur Processus
Calcul des paramètres Mécanisme

du contrôleur d’identification
Figure III.3: Schéma de principe de la commande auto-ajustable STC
Ce type de commande adaptative est basé sur les principes de séparation et d’équivalence.
On distingue une première étape servant à l’estimation en temps réel du modèle du processus à
partir de ses entrées et sorties. Sur la base de ce modèle identifié une deuxième étape se charge
de calculer les paramètres du régulateur.
L’hypothèse de base consiste à supposer que le bloc d’identification est capable de fournir
une bonne estimation de l’état du système à chaque instant précédent le calcul proprement dit de
la loi de commande. L’avantage de la séparation entre identification et calcul de la commande est
de pouvoir estimer les paramètres du système à contrôler tout en satisfaisant les objectifs de
commande. Pour l’élaboration du régulateur, aucune erreur d’estimation n’est donc prise en
compte. Cependant, la stabilité de cette commande dépend fortement de la compatibilité des
modèles utilisés pour les tâches d’identification et de calcul de la commande [26]. De ce fait, il
est indispensable de bien choisir la structure du modèle identifié pour le processus.
III.4 Identification Paramétrique du Processus

L’identification d'un système ou d'un procédé consiste à déterminer les caractéristiques
dynamiques du procédé ou du système à partir des mesures. Elle est donc une approche
expérimentale pour la détermination du modèle dynamique du système. L'identification nous
permet d'éviter les modèles purement théoriques à partir des équations différentielles qui sont
longues à obtenir et souvent trop complexes. Elle comporte quatre étapes [27] et [28]:
1. Acquisition des entrées/sorties sous un protocole d’expérimentation.
2. Choix de la structure du modèle.
33
3. Estimation des paramètres du modèle.

4. Validation du modèle identifié (structure et valeur des paramètres).
.III.4.1 Principe de l'Identification :

L’un des éléments clés de cette approche est l’algorithme d’adaptation paramétrique (A.A.P
Figure (III.04)), qui pilote les paramètres du modèle ajustable de prédiction à partir des
informations recueillies sur le système à chaque pas d’échantillonnage. Cet algorithme a une
structure récursive, c’est-à-dire que la nouvelle valeur des paramètres est égale à la valeur
précédente plus un terme de correction qui dépendra des dernières mesures [28].
Figure III.04 : Principe de l’estimation du processus.
On définit en général un vecteur des paramètres 𝜃 dont les composants sont les différents
paramètres qui doivent être identifiés.
Les algorithmes d’adaptation paramétrique ont tous la structure ci-après [28]:
34
𝐺(𝑠)
Soit : 𝐻(𝑧) = (1 − 𝑧 −1 )𝑍{𝐿−1 ( )} , correspondant à la représentation discrète de la fonction
𝑠
de transfert G ( s ).Afin d'établir un modèle de représentation, un algorithme d'identification

analyse les signaux d’entrée {𝑢(𝑘)} et de sortie { 𝑦(𝑘)}. afin d’estimer, puis de mettre à jour si
nécessaire les paramètres de 𝐻(𝑧). Ces paramètres sont des coefficients des polynômes du
dénominateur et du numérateur de l’expression rationnelle 𝐻(𝑧). Nous pouvons remarquer que
l’identification donne directement la fonction de transfert 𝐻(𝑧). du système échantillonné. Pour
mener à bien cette tâche, plusieurs méthodes d’identifications existent, mais comme nous l’avons
mentionné plus haut, la méthode que nous utiliserons est la plus connue et la plus utilisée soit la
méthode des moindres carrés récursifs [28].
III.4.2 Avantages de l'Estimation Paramétrique Récursive
L’estimation des paramètres par la méthode des moindres carrés récursifs procure les
avantages suivants [29] et [30]:
• Obtention d’une estimation du modèle au fur et à mesure que le procédé évolue.
• Compression importante des données.
• Nécessite moins de puissance de calcul et de mémoire.
• Mise en œuvre facile sur microprocesseur.
• Identification en temps réel si nécessaire.
• Possibilité de poursuite des paramètres variables dans le temps.
III.4.3 Régression Linéaire
La régression linéaire est une technique mathématique qui consiste à trouver la relation
existant entre un ensemble de variables parmi lesquels au moins une est aléatoire, inconnue ou
sujette à des variations aléatoires ou à des mesures inconnues. Le but de la régression linéaire est
de calculer la meilleure valeur possible de chacun des p paramètres du vecteur𝜃.
𝜃 = [𝜃, 𝜃1 , 𝜃2 , … … 𝜃𝑝 ] (III. 01)
C'est-a-dire qu'il faut estimer les p paramètres afin que notre modèle représente fidèlement la
réalité (le système physique).
En général le modèle utilisé pour la régression linéaire est de la forme :
𝑦(𝑘) = ∅𝑇 (𝑘)𝜃 + 𝑒(𝑘) (III. 02)
35
Ou :
𝑦(𝑘) : représente la sortie du modèle.
∅𝑇 (K) : représente le « régresseur ». C'est un vecteur (1×p), où p est le nombre de paramètres à

estimer. Il est formé de données enregistrées sur le système et/ou de constantes.
𝜃 : est le vecteur des paramètres. C'est un vecteur (p×1) formé des paramètres à estimer.
𝑒(𝑘): est la partie aléatoire du modèle. On suppose généralement qu'il est un bruit blanc centré.
III.4.4 Méthodes des Moindres Carrés Récursifs
Considérons tout d’abord une régression linéaire et l’équation de l’erreur d’un processus
dont les paramètres sont à identifier [28] et [30].
𝑦(𝑘) + 𝑎1 𝑦(𝑘 − 1) + ⋯ 𝑎𝑛 𝑦(𝑘 − 𝑛) − 𝑏1 𝑢(𝑘 − 1) − ⋯ 𝑏𝑛 (𝑘 − 𝑛) = 𝑒(𝑘) (III. 03)
Définissons ensuite le vecteur d’entrées et sorties 𝜑(𝑘) comme suit:
𝜑(𝑘) = [−𝑦(𝑘 − 1), −𝑦(𝑘 − 2) … , −𝑦(𝑘 − 𝑛), 𝑢(𝑘) … , 𝑢(𝑘 − 𝑛)]𝑇 (III. 04)
Le vecteur des paramètres 𝜃à estimer:
𝜃 = [𝑎1 , 𝑎2 , 𝑎3 , … … 𝑎𝑛 , 𝑏1 , … … , 𝑏𝑚 ] (III. 05)
De façon que la sortie à l'instant K s'écrive :
𝑦(𝑘) = 𝜑 𝑇 (𝑘)𝜃 + 𝑒(𝑘) (III. 06)
L'estimation se fera à partir de N − n + 1 séries de mesures et puisque le processus est d'ordre n,

nous aurons:
𝑦(𝑘) = 𝜑 𝑇 (𝑘)𝜃 + 𝑒(𝑛)
𝑦(𝑛 + 1) = 𝜑 𝑇 (𝑛 + 1)𝜃 + 𝑒(𝑛 + 1)
𝑦(𝑁) = 𝜑 𝑇 (𝑁)𝜃 + 𝑒(𝑁)
Exprimons cet ensemble de N − n + 1 série de mesures sous la forme plus compacte comme suit:
𝑌 = ∅𝑇 𝜃 + 𝑒 (III. 07)
Avec :
𝑌 = [𝑦(𝑛), 𝑦(𝑛 + 1), … … 𝑦(𝑁)]𝑇 (III. 08)
36
∅ = [𝜑(𝑛), 𝜑(𝑛 + 1), … … 𝜑(𝑁)]𝑇 (III. 09)
𝑌 = [𝑒(𝑛), 𝑒(𝑛 + 1), … … 𝑒(𝑁)]𝑇 (III. 10)
Définissons ensuite une forme quadratique à minimiser soit :

𝑁
𝐽(𝜃) = 𝑒 𝑒 = ∑ 𝑒 2 (𝑘)(III. 11)

𝑇
𝐾=𝑛
𝐽(𝜃) = 𝑒 𝑇 𝑒 = (𝑌 − ∅ 𝜃)𝑇 (𝑌 − ∅ 𝜃) = 𝑌 𝑇 𝑌 − 2𝑦 𝑇 ∅ 𝜃 + 𝜃 𝑇 𝜃 𝑇 𝜃 ∅ (III. 12)
Dérivons ensuite 𝐽(𝜃)par rapport à 𝜃et égalons à zéro

𝜕 𝐽 (𝜃)
| | = −2𝑌 𝑇 ∅ + 2𝜃 𝑇 ∅𝑇 ∅ = 0 D’où𝑌 𝑇 ∅ = 𝜃 𝑇 ∅𝑇 ∅ (III. 13)
𝜕𝜃 𝜃=
Transposant de part et d'autre du signe d'égalité puis isolant𝜃 nous obtenons:

Le vecteur optimal des paramètres peut s’écrire :
𝜃̂. = (∅𝑇 ∅)⁻¹𝑌 𝑇 ∅ = [ ∑𝑁 𝑇 -1 𝑁

𝐾=1. 𝜑(𝑘)𝜑 (k)] .∑𝐾=1. 𝜑(𝑘)𝑦(𝑘)
Pour l’identification en ligne d’un système variant dans le temps (III. 14)
𝜃̂k = [∑𝑘𝑖=1. 𝜑(𝑖)𝜑 𝑇 ( 𝑖)]-1 .∑𝑘𝑖=1. 𝜑(𝑖)𝑦(𝑖) (III. 15)
Posons :
F k = ∑𝑘𝑖=1. 𝜑(𝑖)𝜑 𝑇 ( 𝑖)]-1 (III. 16)
La forme récursive de l’équation (III. 16), devient :

−1
𝐹𝑘+1 = 𝐹𝑘−1 + 𝜑(𝑘 + 1)𝜑 𝑇 (𝑘 + 1) (III. 17)
Réécrivons la matrice∅comme suit:
∅(𝑁 + 1) = [𝜑(𝑛), 𝜑(𝑛 + 1), … … 𝜑(𝑁), 𝜑(𝑁 + 1)]𝑇 (III. 18)
Puis le terme :
∅(𝑁 + 1) 𝑊 (𝑁 + 1)∅𝑇 (𝑁 + 1)
Définissons la matrice P comme suit:
𝑝(𝑁) = [∅𝑇 (𝑁)𝑊(𝑁)∅(𝑁)]−1 (III. 19)
Ce qui nous permet alors d'écrire:
𝑃(𝑁 + 1)[𝜆𝑃 −1 (𝑁) + 𝜑(𝑁 + 1)𝜑 𝑇 (𝑁 + 1)]−1 (III. 20)
37
Cette inversion peut être réalisée analytiquement grâce à la formule suivante:
(𝐴 + 𝐵𝐶𝐷)−1 = 𝐴−1 − 𝐴−1 𝐵(𝑐 −1 + 𝐷𝐴−1 𝐵)−1 𝐷𝐴−1 (III. 21)
Posons :
𝐴 = 𝜆𝑃−1 (𝑁)
𝐵 = 𝜑(𝑁 + 1)
𝐶=1
𝐷 = 𝜑 𝑇 (𝑁 + 1)
Nous obtenons alors :

𝑃(𝑁) 𝑃(𝑁) 𝑃(𝑁)
𝑃(𝑁 + 1) = + 𝜑(𝑁 + 1)[1 + 𝜑 𝑇 (𝑁 + 1)𝜑(𝑁 + 1)]−1 𝜑 𝑇 (𝑁 + 1) (III. 22)
𝜆 𝜆 𝜆
Nous remarquons que l’expression de P (N+ 1) ne nécessite pas d’inversion de matrice

𝑃(𝑁)
puisque le terme 𝜑 𝑇 (N + 1) 𝜑(N+ 1) est un scalaire. Par ailleurs, on remarque que
𝜆
L’expression de𝜃 comprend aussi le terme ∅𝑇 𝑊𝑌. Trouvons une équation récurrente pource
terme :
∅(𝑁 + 1)𝑊(𝑁 + 1)𝑌(𝑁 + 1) = 𝜆∅𝑇 (𝑁)𝑊(𝑁)𝑌(𝑁) + 𝜑(𝑁 + 1)𝑌(𝑁 + 1) (III. 22)
Regroupons ensuite tous les termes dans l’expression de 𝜃^et considérons pour simplifier
que:
𝑃 = 𝑃(𝑁), ∅ = ∅(𝑁), 𝑌 = 𝑌(𝑁), 𝜑 = 𝜑(𝑁) (III. 23)
On obtient :
𝑝 𝑝 𝑃 −1 𝑃
𝜃^(𝑁 + 1) = [𝜆 + 𝜆 𝜑 (1 + 𝜑 𝑇 𝜆 𝜑) 𝜑 𝑇 𝜆 ] [𝜆∅𝑇 𝑊𝑌 + 𝜑𝑌] (III. 24)
Posons ensuite :
𝑃 𝑃 −1
𝐾(𝑁 + 1) = 𝜆 𝜑 (1 + 𝜑 𝑇 𝜆 𝜑) (III. 25)
On obtient alors :
𝑃 𝑃
𝜃̂ (N + 1) = 𝜃̂ (N) + 𝜆 ∅𝑦 – K (N + 1)𝜑 𝑇 𝜃̂ (N) – K (N + 1) 𝜑 𝑇 ∅𝑦 (III. 26)
𝜆
Et finalement :
𝜃̂ (N + 1) = 𝜃̂ (N) + K (N + 1) [y - 𝜑 𝑇 𝜃̂ (N)]
38
Les composants du gain K sont des facteurs de pondération qui indiquent comment
l’ancienne estimation et l’erreur de prédiction [y − 𝜑 𝑇 𝜃̂ (N)] doivent être combinées afin de
former la nouvelle estimation. Par ailleurs, la matrice P peut s’écrire plus simplement en fonction
1
de K : P(N + 1) = 𝜆 [I – K(N + 1)𝜑 𝑇 𝑃 (N).Il est important de constater que les termes de la
matrice P peuvent devenir démesurément grands si le vecteur 𝜑s’annule et 𝜆< 1.
Pour la structure ARMAX en ajoutant le modèle de perturbation au modèle ARMA. Il

faudra tout d’abord introduire des modèles de perturbation en plus des modèles de procédé. La
structure retenue est le modèle ARMAX signifiant (Auto- régressif à Moyenne Ajustée avec
entrée exogène ) Figure (III.05). Ainsi, l’opération d’identification aura comme objectif
d’identifier le modèle du procédé et le modèle de perturbation [28].
Considérons le système discret linéaire mono-entrée mono-sortie (SISO) représenté par
l’équation (III. 24) suivante :
𝐴(𝑞 −1 )𝑦(𝑡) = 𝑞 −𝑑 𝐵(𝑞 −1 )𝑢(𝑡) + 𝐶(𝑞 −1 )𝑒(𝑡)
(III. 27)
Ou U(t), (t) , y(t) et d sont respectivement la commande, la perturbation, la sortie du procédé et

le retard.
Figure III.05 Structure du modèle ARMAX.
𝐴(𝑞 −1 ), 𝐵(𝑞 −1 )et 𝐶(𝑞 −1 )sont des polynômes en 𝑞 −1 est l’opérateur retard défini par:
𝑞 −1 𝑦( 𝑡 )= y(t − 1)
Avec :
𝐴(𝑞 −1 ) = 1 + 𝑎1 𝑞 −1 + ⋯ ⋯ ⋯ ⋯ ⋯ + 𝑎𝑛 𝑞 −𝑛
39
𝐵(𝑞 −1 ) = 1 + 𝑏0 +𝑏1 𝑞 −1 + ⋯ ⋯ ⋯ ⋯ ⋯ + 𝑏𝑚 𝑞 −𝑚
𝐶(𝑞 −1 ) = 1 + 𝑐1 𝑞 −1 + ⋯ ⋯ ⋯ ⋯ ⋯ + 𝑐𝑛 𝑞 −𝑛
Nous supposerons les connaissances a priori suivantes sur le système :

* Le retard est connu et constant.
* Les zéros du polynôme C(𝑞 −1 ) appartiennent strictement au cercle unité, cela revient à
supposer que la perturbation est stationnaire.
Les vecteurs des paramètres et d’observation se reviennent :
𝜃 𝑇 = [𝑎1 , 𝑎2 , 𝑎3 , ⋯ ⋯ 𝑎𝑛 , 𝑏0 , 𝑏1 , … … , 𝑏𝑚 , 𝑐1 , … … , 𝑐𝑛 ] (III. 28)
𝜑(𝑘) = [−𝑦(𝑘 − 1), −𝑦(𝑘 − 2) ⋯ , −𝑦(𝑘 − 𝑛), 𝑢(𝑘 − 1) ⋯ , 𝑢(𝑘 − 𝑛), 𝑒(𝑘 − 1), ⋯ , 𝑒(𝑘
− 𝑛)]𝑇
(III. 29)
Finalement l’algorithme récursif d’identification est comme suit :
𝑒(𝑘 + 1) = 𝑦(𝑘 + 1) − 𝜑 𝑇 (𝑘 + 1)𝜃̂𝑘

𝐹𝑘 𝜑(𝑘 + 1)𝜑 𝑇 (𝑘 + 1)𝐹𝑘
𝐹𝑘+1 = 𝐹𝑘 +
1 + 𝜑 𝑇 (𝐾 + 1)𝐹𝑘 𝜑(𝑘 + 1)
{ 𝜃̂𝑘+1 = 𝜃̂𝑘 + 𝐹𝑘+1 𝜑(𝑘 + 1)𝑒(𝑘 + 1)
L’algorithme est initialisé par un choix adéquat de𝐹𝑜 , on la prend souvent sous la forme
𝐹𝑜 = αI. Où α est une grande valeur si on ne dispose pas d’information initiale sur les
paramètres. Ceci permet d’opérer un changement rapide sur les paramètres 𝜃𝑘 initiaux. Par
contre, si on dispose de l’estimation initiale des paramètres on prend α petit.
La détermination des paramètres du système par la méthode de moindre carré récursif se

résume donc comme suit:
1- Choisir les valeurs numériques de 𝜆 et de N sachant que 𝜆 = 1 correspond aux moindres carrés
ordinaires et 0 <𝜆< 1 correspond à une pondération exponentielle.
2- Choisir les valeurs initiales pour P(N) et 𝜃̂ (N). Si aucune connaissance des paramètres
n’existe, on posera 𝜃̂ (N) = 0 et P(N) = αI ou α est une valeur numérique assez grande.
3- Poser K = N et recueillir 𝜑 (k + 1) et y (k + 1).
4- Calculer le gain K (k + 1).
𝐾(𝐾 + 1) = 𝑃(𝑘)𝜑(𝑘 + 1)[𝜆 + 𝜑 𝑇 (𝑘 + 1)𝑃(𝑘)𝜑(𝑘 + 1)]−1

5- Calculer les paramètres estimés.
40
𝜃̂(𝑘 + 1) = 𝜃̂(𝑘) + 𝐾(𝑘 + 1)[𝑦(𝑘 + 1) − 𝜑 𝑇 (𝑘 + 1)𝜃̂(𝑘)]

6- Calculer la matrice
1
𝑃(𝑘 + 1) = [𝐼 − 𝐾(𝑘 + 1)𝜑 𝑇 (𝑘 + 1)𝑃(𝑘)
𝜆
7- Incrémenter et retourner en 4.
III.5 Conclusion
Avec la structure adaptative, on peut améliorer les performances de système mieux, lorsque
le système variant dans le temps s’écarte du nominal à cause des incertitudes et des
perturbations, l’algorithme de mise à jour des paramètres du régulateur a des difficultés à
maintenir les performances spécifiées, il faut envisager une méthode de robustification de ce
régulateur.
Le régulateur adaptatif robuste élimine les oscillations de sortie dues aux incertitudes, ces
robustifications ont aussi une influence sur la commande. La robustesse améliore sensiblement
les performances, en permettant de reproduire un comportement se maintenant assez proche de
celui souhaité au nominal, et une bonne stabilité, rapidité et dépassement, et on peut noter que les
performances sont encore améliorée avec régulateur prise en compte les contrainte.
41
Chapitre IV : Commande Adaptative Auto-Ajustable à Variance Minimale
Chapitre IV : Commande Adaptative Auto-Ajustable à

Variance Minimale
Introduction
Après avoir identifié les paramètres du modèle du système étudié par la méthode des
moindres carrés récursifs. Nous allons développé dans ce chapitre une loi de commande
adaptative par la technique à variance minimal afin de contrôler la vitesse rotorique de la
machine asynchrone. Ensuite nous allons faire une étude comparative des performances de la
simulation et de l’expérimentale afin d'affirmer que le contrôleur proposé s'adapte bien à la
commande du système.
IV. 1 Principe de la commande

Le premier régulateur auto-ajustable développé par Åström & Wittenmark, est basé sur le
principe de la variance minimale stochastique. C'est une approche utilisant l'objectif de
commande optimale. Les suppositions requises sont que le système soit à phase minimale, le
temps de retard soit connu et qu'une limite de l'ordre du système soit donnée. L'objectif de cette
approche est de minimiser la variance de la sortie mesurée à des instants d'échantillonnage
Figure IV.1 [22].
Figure IV.1: L’effet de la commande à variance minimale.
42
IV.2 Formulation du Problème

Il faudra tout d’abord introduire des modèles de perturbation en plus des modèles de
procédé. La structure retenue est le modèle ARMAX signifiant (Auto-Régressif à Moyenne
Ajustée) avec entrée exogène « externe » Figure IV.2.Ainsi, l’opération d’identification aura
comme objectif d’identifier le modèle du procédé et le modèle de perturbation. [22].Il
conviendra donc lors de l’opération d’identification, D’identifier le modèle du procédé et le
modèle de perturbation.
Considérons le système discret linéaire mono-entrée mono-sortie (SISO) représenté l’équation

(𝐼𝑉. 1) suivant :
𝐴(𝑞 −1 )𝑦(𝑡) = 𝑞 −𝑑 𝐵(𝑞 −1 )𝑢(𝑡) + 𝐶(𝑞 −1 )𝑒(𝑡) (𝐼𝑉. 1)
Où 𝑢(𝑡), 𝑒(𝑡), 𝑦(𝑡)et 𝑑sont respectivement la commande, la perturbation, la sortie du procédé et

le retard.
𝑒(𝑘) 𝐶(𝑞 −1 )
𝐴(𝑞 −1 )
𝑢(𝑘) 𝑦(𝑘)
−𝑑
𝐵(𝑞 −1 ) −
+
𝑞
𝐴(𝑞 −1 )
Figure IV.2: Structure du modèle ARMAX.
𝐴(𝑞 −1 ), 𝐵(𝑞 −1 )et𝐶(𝑞 −1 )sont des polynômes en𝑞 −1 est l’opérateur retard défini par:
𝑞 −1 𝑦(𝑡) = 𝑦(𝑡 − 1)
Avec :
𝐴(𝑞 −1 ) = 1 + 𝑎1 𝑞 −1 + ⋯ + 𝑎𝑛 𝑞 −𝑛
𝐵(𝑞 −1 ) = 𝑏0 + 𝑏1 𝑞 −1 + ⋯ + 𝑏𝑚 𝑞 −𝑚
{ 𝐶(𝑞 −1 ) = 1 + 𝑐1 𝑞 −1 + ⋯ + 𝑐𝑛 𝑞 −𝑛
43
Nous supposerons les connaissances a priori suivantes sur le système :
• Le retard 𝑑 est connu et constant.

• Les zéros du polynôme 𝐶(𝑞 −1 ) appartiennent strictement au cercle unité, cela
revient à supposer que la perturbation est stationnaire.
Nous choisissons de minimiser le critère à minimum de variance suivante :
𝐽(𝑡) = 𝐸[{ 𝑦(𝑡 + 𝑑) − 𝑦𝑚 (𝑡 + 𝑑)}2 + 𝜆0 { 𝑢(𝑡) − 𝑢(𝑡 − 1)}2 ] (𝐼𝑉. 2)
Le second terme du critère 𝜆0 {𝑢(𝑡) − 𝑢(𝑡 − 1)}2 représente la séquence des variations de la
commande, pondérée par une séquence positive éventuellement variable 𝜆0 .Cette pondération est
introduite pour contrôler des systèmes à phase non minimale[21].
Nous désirons calculer, à chaque période d’échantillonnage, la loi de commande qui

minimise la fonction de coût (IV.2).
IV.3 Synthèse de la Loi de Commande Auto-ajustable [21]

Plaçons nous, dans un premier temps, dans le cas où les polynômes 𝐴(𝑞 −1 ), 𝐵(𝑞 −1 ) et
𝐶(𝑞 −1 )sont connues. Pour la détermination de la loi de commande, une prédiction à d pas est
nécessaire.
Pour expliciter ceci, nous introduisons l’identité[21] suivante :
𝐶(𝑞 −1 ) = 𝐴(𝑞 −1 )𝐹(𝑞 −1 ) + 𝑞 −𝑑 𝐺(𝑞 −1 ) (𝐼𝑉. 3)
Où les polynômes 𝐹(𝑞 −1 ) et 𝐺(𝑞 −1 ) satisfont à la relation (IV.3)et sont définis par les
expressions suivantes :
𝐹(𝑞 −1 ) = 1 + 𝑓1 𝑞 −1 + 𝑓2 𝑞 −2 + ⋯ + 𝑓𝑑−1 𝑞 −(𝑑−1)

{
𝐺(𝑞 −1 ) = 𝑔0 + 𝑔1 𝑞 −1 + 𝑔2 𝑞 −2 + ⋯ + 𝑔𝑛−1 𝑞 −(𝑛−1)
Les polynômes 𝐹(𝑞 −1 ) et 𝐺(𝑞 −1 ) sont uniques sous la condition : 𝐹(0) = 1 et

𝑑𝑒𝑔[𝐹(𝑞 −1 )] = 𝑑 − 1
L’équation (IV.1)s’écrira alors :
𝐵(𝑞 −1 ) 𝐺(𝑞 −1 )
𝑦(𝑡) = 𝐹(𝑞 −1 )𝑒(𝑡) + 𝑞 −𝑑 𝑢(𝑡) + 𝑞 −𝑑
𝑒(𝑡) (𝐼𝑉. 4)
𝐴(𝑞 −1 ) 𝐴(𝑞 −1 )
Apres multiplication de tous les termes de l’équation (IV.4)par 𝑞 𝑑 on obtient :
44
𝐵(𝑞 −1 ) 𝐺(𝑞 −1 )
𝑦(𝑡 + 𝑑) = 𝐹(𝑞 −1 )𝑒(𝑡 + 𝑑) + 𝑢(𝑡) + 𝑒(𝑡) (𝐼𝑉. 5)
𝐴(𝑞 −1 ) 𝐴(𝑞 −1 )
Compte tenu de l’information disponible jusqu’à l’instant 𝑡 , les quantités 𝑒(𝑡), 𝑒(𝑡 −
1), … peuvent être calculées à partir des observations effectuées jusqu’à l’instant 𝑡, soit d’après
l’équation (𝐼𝑉. 1):
𝐴(𝑞 −1 ) −𝑑
𝐵(𝑞 −1 )
𝑒(𝑡) = 𝑦(𝑡) − 𝑞 𝑢(𝑡)(𝐼𝑉. 6)
𝐶(𝑞 −1 ) 𝐶(𝑞 −1 )
En éliminant 𝑒(𝑡)au niveau des équations (𝐼𝑉. 5)et(𝐼𝑉. 6), il vient :
𝐵(𝑞 −1 ) 𝐵(𝑞 −1 )𝐺(𝑞 −1 ) 𝐺(𝑞 −1 )

𝑦(𝑡 + 𝑑) = 𝐹(𝑞 −1 )𝑒(𝑡 + 𝑑) + { − 𝑞 −𝑑
} 𝑢(𝑡) + 𝑦(𝑡)(𝐼𝑉. 7)
𝐴(𝑞 −1 ) 𝐶(𝑞 −1 )𝐴(𝑞 −1 ) 𝐶(𝑞 −1 )
Compte tenu de l’identité(𝐼𝑉. 3), l’équation (𝐼𝑉. 7)s’écrira alors :
−1 )𝑒(𝑡
𝐺(𝑞 −1 ) 𝐵(𝑞 −1 )𝐹(𝑞 −1 )
𝑦(𝑡 + 𝑑) = 𝐹(𝑞 + 𝑑) + 𝑦(𝑡) + 𝑢(𝑡)(𝐼𝑉. 8)
𝐶(𝑞 −1 ) 𝐶(𝑞 −1 )
Compte tenu de l’équation(𝐼𝑉. 5), l’erreur de prédiction s’écrira :
𝜀(𝑡 + 𝑑) = 𝐹(𝑞 −1 )𝑒(𝑡 + 𝑑)(𝐼𝑉. 9)
Avec 𝜀(𝑡 + 𝑑) = 𝑒(𝑡 + 𝑑) + 𝑓1 𝑒(𝑡 + 𝑑 − 1) + ⋯ + 𝑓𝑑−1 𝑒(𝑡 + 1)
Si on appelle𝑦̂(𝑡 + 𝑑) la meilleure estimation au sens des moindres carrés de la sortie à l’instant 𝑡 , nous
aurons :
𝜀(𝑡 + 𝑑) = 𝑦(𝑡 + 𝑑) − 𝑦̂(𝑡 + 𝑑)(𝐼𝑉. 10)
L’erreur de prédiction correspond à la composante du second terme de l’équation(𝐼𝑉. 1), qui

n’est pas fonction des observations effectuées jusqu’à l’instant𝑡 .
En introduisant l’erreur de prédiction équation (IV.10) dans l’expression du critère équation

(IV.2), ce dernier s’écrira.
𝐽(𝑡) = 𝐸[{𝑦̂(𝑡 + 𝑑) + 𝜀(𝑡 + 𝑑) − 𝑦𝑚 (𝑡 + 𝑑)}2 + 𝜆0 { 𝑢(𝑡) − 𝑢(𝑡 − 1)}2 ] (𝐼𝑉. 11)
L’erreur de prédiction est indépendante de la prédiction 𝑦̂(𝑡 + 𝑑) et de la commande 𝑢(𝑡).
Supposons qu’elle est en plus indépendante de la consigne 𝑦𝑚 (𝑡 + 𝑑).
45
Comme les quantités ̂𝑦(𝑡 + 𝑑), 𝑦𝑚 (𝑡 + 𝑑) et 𝑢(𝑡)sont connus à l’instant t, le critère s’écrira
sous la forme suivante :
𝐽(𝑡) = {𝑦̂(𝑡 + 𝑑) − 𝑦𝑚 (𝑡 + 𝑑)}2 + 𝜆0 {𝑢(𝑡) − 𝑢(𝑡 − 1)}2 + 𝐸[𝜀 2 (𝑡 + 𝑑)] (𝐼𝑉. 12)
On est ramené à un problème d’optimisation à caractère déterministe. La condition

d’optimalité est donnée par l’annulation de la dérivée première du critère par rapport au
contrôle 𝑢(𝑡), il vient :
𝜕𝐽(𝑡) 𝜕𝑦(𝑡 + 𝑑)
= 2(𝑦(𝑡 + 𝑑) − 𝑦𝑚 (𝑡 + 𝑑)) ∙ + 2𝜆0 (𝑢(𝑡) − 𝑢(𝑡 − 1)) (𝐼𝑉. 13)
𝜕𝑢(𝑡) 𝜕𝑢(𝑡)
L’équation (𝐼𝑉. 8) permet d’écrire :
𝜕𝑦̂(𝑡 + 𝑑) 𝐹(0) ∙ 𝐵(0)

= 𝑂ù: 𝐹(0) = 𝐶(0) = 1
𝜕𝑢(𝑡) 𝐶(0)
Donc
𝜕𝑦̂(𝑡 + 𝑑)
= 𝑏0 (𝐼𝑉. 14)
𝜕𝑢(𝑡)
La loi de commande qui minimise la fonction de coût (𝐼𝑉. 2) correspondra à :
𝜆0
(𝑦̂(𝑡 + 𝑑) − 𝑦𝑚 (𝑡 + 𝑑)) + (𝑢(𝑡) − 𝑢(𝑡 − 1)) = 0 (𝐼𝑉. 15)
𝑏0
0
Posons   , il vient :
b0
1
𝑢(𝑡) = (𝑦𝑚 (𝑡 + 𝑑) − 𝑦̂(𝑡 + 𝑑)) + 𝑢(𝑡 − 1) (𝐼𝑉. 16)
𝜆
Les quantités𝑦𝑚 (𝑡) et 𝑢(𝑡) étant de nature déterministe, l’équation (𝐼𝑉. 15) peut être interprétée
comme la prédiction de la sortie auxiliaire :
𝜓(𝑡 + 𝑑) = 𝑦(𝑡 + 𝑑) − 𝑦𝑚 (𝑡 + 𝑑) + 𝜆(𝑢(𝑡) − 𝑢(𝑡 − 1)) (𝐼𝑉. 17)
Et, la loi de contrôle minimisant le critère (𝐼𝑉. 2) correspond à la loi de contrôle qui annule la
prédiction de la sortie auxiliaire 𝜓(𝑡 + 𝑑). La sortie du système en boucle fermée est donnée
par :
[(1 − 𝑞 −1 )𝜆𝐶(𝑞 −1 ) + 𝐵(𝑞 −1 )𝐹(𝑞 −1 )]𝒆(𝒌) + 𝐵(𝑞 −1 )𝒚𝒎 (𝒌)

𝑦(𝑘) = (𝐼𝑉. 18)
(1 − 𝑞 −1 )𝜆𝐴(𝑞 −1 ) + 𝐵(𝑞 −1 )
46
Le contrôle correspond à :
𝐶(𝑞 −1 )𝑦𝑚 (𝑘 + 𝑑) − 𝐺(𝑞 −1 )𝒚(𝒌) + 𝜆𝐶(𝑞 −1 )𝒖(𝒌 − 𝟏)

𝑢(𝑘) = (𝐼𝑉. 19)
𝜆𝐶(𝑞 −1 ) + 𝐵(𝑞 −1 )𝐹(𝑞 −1 )
Le schéma bloc du système en boucle fermée est mentionné sur la Figure IV.5.
𝑒(𝑘) 𝐶(𝑞 −1 )
𝐴(𝑞 −1 )
𝑦𝑚 (𝑘)
𝑢(𝑘) 𝑦(𝑘)
𝑞 𝑑 𝐶(𝑞 −1 ) 𝐵(𝑞 −1 ) +
+ 𝑞 −𝑑 +
𝜆𝐶(𝑞 −1 )(1 − 𝑞 −1 ) + 𝐵(𝑞 −1 )𝐹(𝑞 −1 ) − 𝐴(𝑞 −1 )
𝐺(𝑞 −1 )
𝜆𝐶(𝑞 −1 )(1 − 𝑞 −1 ) + 𝐵(𝑞 −1 )𝐹(𝑞 −1 )
Figure IV.3: Schéma bloc du système en boucle fermé.
IV.4 Application de la Commande Adaptative à la MAS

Nous appliquons, dans cette section, les stratégies du contrôle adaptatif analysées à la
commande de vitesse de la machine asynchrone combiné avec la commande vectorielle. Le
régulateur auto-ajustable est destiné à prendre en charge les variations paramétriques dues aux
changements dans les conditions de fonctionnement de la machine ou à des perturbations
indésirables. Parmi les différentes dispositions probables la variation du couple de charge que
subit l'axe de rotation, de la poursuite des variations de la consigne et éventuellement les
variations des paramètres physiques de la machine.
La structure générale de la commande adaptative appliquée à la MAS est montrée par le

schéma global de la Figure IV.4.
47
𝛀𝒓𝒓𝒆𝒇 𝛀𝒓
𝑪𝒆𝒓𝒆𝒇 Contrôle par
Contrôleur Orientation de Flux
+ Moteur Asynchrone
Adaptation de la Mécanisme
loi de Commande d’identification
Figure IV.4: Schéma bloc de la commande adaptative à variance minimale de la MAS
IV.5 Résultats et Interprétation

Le comportement de la commande vis-à-vis de la variation de la consigne de vitesse, de la
charge de la machine sera examiné par simulation puis validé par l’expérimentation. L’effet de la
variation paramétrique va être testé par simulation, Le comportement du systeme a été simulé en
utilisant les paramètres de la machine présentée dans l’annexe A, qui se trouve sur le banc
d’essais du Laboratoire d’Electronique de Puissance et Commande du centre de recherche
nucléaire de Birine.
Les valeurs du retard d et des degrés n, m des polynômes A(q−1 ), B(q−1 ) sont connus.
Donc: 𝑑 = 1, 𝑛 = 2, 𝑚 = 1. L’initialisation des gains d’adaptation 𝐹0 = 10 pour la
simulation et 𝐹0 = 0.1, pour l’expérimentation.
La pondération de la commande choisie est : λ= 0,1 elle à été ajustée de telle sorte, qu'au
démarrage à vide, la vitesse s'installe le plus rapidement possible, sans dépassement
considérable.
48
1- Réponse de la Machine Asynchrone suite à une commande adaptative à variance

minimale :
Figure IV.5 : évolution de la vitesse par simulation.
Figure IV.6 : évolution de la vitesse sous expérimentation.
On remarque que le comportement et l’évolution de la vitesse de notre simulation est identique

à l’expérimentation.
49
Figure IV.7 : Simulation des paramètres
Figure IV.8 : les paramètres sous expérimentation
2- application d’un couple égale à : 8.5 (N.m) :
50
Figure IV.9 : simulation d’application de couple.
1000 r
r ef
)n 850
i
m
r/t
( 700
e
u
q
ir
o 550
to
R
e
s 400
s
e
ti
V
250
100
0
0 0.2 0.4 0.6 0.8 1 1.4 1.6 1.8 2 2.4
Temps (s)
Figure IV.10 : application du couple, expérimentation.
On remarque les perturbations engendré par le couple entre l’intervalle t=1s et t= 1.2s en ce qui
concerne la simulation, même perturbation ont était aperçu lors de l’expérimental.
51
Figure IV.11 : couple électromagnétique sous perturbation
Figure IV.12 : simulation des paramètres avec le couple
52
Figure IV.13 : les paramètres avec un couple sous expérimentation
Figure IV. 14 : simulation de la pondération de commande
Figure IV.15 : la pondération de la commande sous expérimentation
53
Figure IV.16 : comportement de la commande sans couple
Figure IV.17 : comportement de la commande sous un couple
Poursuite :
Les résultats de simulation et expérimentale des figures IV.5 et IV.6 respectivement

représentent l’évolution de la vitesse suivant une trajectoire de référence et de commande. La
figure IV.5 montre que la vitesse de la machine suit avec précision sa référence avec une erreur
dynamique moins de 1 𝑟𝑎𝑑/𝑠et atteint sa consigne avec une erreur statique presque nulle.
54
Parallèlement de l’expérimentation la figure IV.6 présente une bonne poursuite avec une
erreur statique nulle et celle des régimes transitoire convergente lentement due au faible gain
d’adaptation,
Pour la même configuration, les résultats expérimentaux de la figure IV.6 montrent :
• un temps de réponse de la vitesse très court.
• un comportement satisfaisant en poursuite et annulation des erreurs.
Les paramètres estimés changent légèrement au moment de changements de consigne, ce

qui prouve la robustesse de l’estimateur utilisé.
L’efficacité de la commande est testée en présence d’une perturbation de charge dans la figure
IV.9, un couple résistant de 8.5 (N.m) est appliquer entre l’instant t= 1 s et t=1.2s.
Au moment d’application de couple, on remarque une chute de vitesse, cette chute est
compenser par la commande en un temps trop rapide de 0.2𝑠.
Nous constatons que l'effet de la charge est complètement pris en charge avec la commande.
L’introduction du couple de charge influe légèrement sur les paramètres du modèle estimé. La
perturbation de charge ayant un effet particulier en basse fréquence elle va changer les
propriétés entrée sortie du système. Mais la structure à modèle de perturbation a pris en charge cet
effet.
IV.6 Conclusion
Après avoir identifié les paramètres du modèle du système étudié par la méthode des
moindres carrés récursifs. Nous avons développé dans ce chapitre une loi de commande
adaptative par la technique à variance minimal afin de contrôler la vitesse rotorique de la
machine asynchrone. Une étude comparative des performances de la simulation et de
l’expérimentale nous a permis d'affirmer que le contrôleur proposé s'adapte bien à la commande
du système.et que Le comportement de la commande vis-à-vis de la variation de la consigne de
vitesse, de la charge de la machine est validé.
55
Conclusion générale
Conclusion générale
Le travail présenté dans ce mémoire porte sur l’étude de la commande adaptative d’une
machine asynchrone munie d’un contrôle vectoriel. La machine a été modélisée dans le repère de
Park, puis une étude détaillée des caractéristiques statiques est effectuée dans le régime
permanent afin d’optimiser le fonctionnement de la machine et assurer sa stabilité. Nous avons
entamé notre étude par la modélisation de la machine asynchrone avec la représentation
complexe, puis une étude de la commande vectorielle de cette machine par la structure de base.
La stratégie de commande vectorielle la plus souvent utilisée pour la commande de la machine
asynchrone est celle à id nulle. Cette stratégie conduit à une loi de commande simplifiée et
linéaire du couple en fonction du courant.
Après avoir présenté les principaux concepts de la commande adaptative et de

l’identification des paramètres du modèle, une stratégie de commande adaptative a été analysées
et appliquées à l’asservissement de vitesse d’une machine asynchrone à savoir : la commande
adaptative à variance minimale dont la poursuite, la régulation adaptative et l’influence des
perturbations sur la réponse du système, nous avons développé un contrôleur adaptatif à variance
minimale que nous avons implanté à notre système par des essais expérimentaux et simulation à
l'aide des logiciels Matlab et Matlab simulink ainsi que la carte ‘real-time simulink’.
Les résultats obtenus ont montré des performances très satisfaisantes de commande à
variance minimale en termes de poursuite des variations de la consigne, du rejet de la
perturbation du couple de charge ainsi qu’une robustesse incontestable vis-à-vis des variations
des paramètres de la machine. Comme cette stratégie est réalisée par une approche indirecte, elle
nécessite une puissance de calcul relativement importante. Nous avons remarqué que le
contrôleur adaptatif réagissait mieux à la variation du paramètre, c'est-à-dire que l'erreur en
régime permanent demeurait nulle malgré ces variations.
Ce projet été très bénéfique sur plusieurs plans. D'une part, il nous à permis d'appliquer nos
connaissances acquises pendant ces années d'étude et d’analyser le comportement des
actionneurs électriques. D'autre part, il nous a permis d’apprendre de nouvelles technique de
programmation sur Matlab ainsi que simulink qui apportent efficacité remarquable au domaine
de l’électronique. Aussi on a été chanceux de manipuler un matériel de pointe et de haute gamme
comme la carte real time simulink, le frein à poudre et les modules Modmeca, qui ont était mis à
notre disposition par le centre de recherche nucléaire de Birine.
En thermes de perspective notre travail peut être enrichi par l’ajout d’autres commandes a
daptatives comme le placement de pole, Dead-beat controller, Takahashi's controller, ect.
Et faire une comparaison afin de déterminer la commande la plus optimal.
56
Bibliographie
Bibliographie
[1] T. Toudja, « Commande non linéaire robuste d’un moteur synchrone à aimant permanent »,
mémoire de magister, ENP, Alger, Février 2008.
[2] O. Bouchhida, « Contribution à l’Optimisation de Structure des Convertisseurs pour la

Commande des Machines Asynchrones : Réalisation expérimentale », Thèse de Doctorat, ENP,
Alger, Juillet 2008.
[3] G. Salloum, « Contribution a la commande robuste de la machine asynchrone a double

alimentation », Thèse de Doctorat,Institut National Polytechnique de Toulouse, France, Mars
2007.
[4] G. Scorletti, V. Fromion, « Automatique fréquentielle avancée », Notes de cours, Ecole

Centrale de Lyon, France, 2008.
[5]A. Boulkroune, « Commande floue adaptative avec et sans observateur des systèmes non
linéaires incertains », Thèse de Doctorat, ENP, Alger, Juillet 2008.
[6] G. Buche, « Commande Vectorielle De Machine Asynchrone En Environnement Temps Réel

Matlab/Simulink », Ingénieur C.N.A.M. en Automatisme Industriel, Grenoble, France, 2001.
[7] R. Achouri, M. Hidouche, « Commande Vectorielle de la Machine Asynchrone ‘Simulation

sur le logiciel SIMPLORER - Validation expérimentale sur banc d’essai ’ », PFE, ENP, Alger,
Juin 2007.
[8] A. Boukhelifa, « Les Éléments d’Optimisation du Pilotage d’une Machine asynchrone en

Vue d’un Contrôle Vectoriel », Thèse de Doctorat, ENP, Alger, Décembre 2007.
[9] M. OuldSass, « Commande synergétique d’un moteur asynchrone», mémoire de magister,

ENP, Alger, Mars 2008.
[10]A. Lokriti, Y. Zidani, S. Doubabi, « Comparaison des performances des régulateurs PI et IP

appliques pour la commande vectorielle a flux rotorique oriente d’une machine asynchrone »,8e
Conférence Internationale de MOdélisationet SIMulation MOSIM’10, Tunisie, 10-12 Mai 2010.
[11] D.-W. Gu, P. Hr. Petkov, M. M. Konstantinov, « Robust control design with MATLAB »,
Springer, Germany, 2005.
[12] C. P. Bottura, M. F. S. Neto, S. A. A. Filho, « Robust Speed Control of Induction Motor 𝐻∞

Theory Approch with Field Orientation and 𝜇 − Analysis », IEEE Transactions on power
electronics, Vol. 15, No. 5, pp. 908-915, 2000.
[13] P. Apkarian, « Éléments de la théorie de la Commande robuste », Notes de cours, France,

2008.
[14] G. Balas, R. Chiang, A. Packard, M. Safonov, « Robust Control Toolbox for use with
MATLAB® » User’s Guide, Version 3, 2007.
57
Bibliographie
[15] K. Zhou, J.C. Doyle, K. Glover, « Robust and Optimal Control », Prentice Hall, 1995.
[16]Y. Granjon, « Automatique : Systèmes linéaires, non linéaires, à temps continu, à temps
discret, représentation d'état », Dunod, 2eedition, Paris, 2010.
[17] A. Nait Seghir, « Contribution à la commande adaptative et neuronale d’une machine

synchrone à aimants permanents», Thèse de Doctorat, ENP, Alger, Décembre 2007.
[18] K.J. Åströ m, B. Wittenmark, « Adaptive control », Dover publication, 2nded, 2008.
[19] I.D. Landau, R. Lozano, M. M’Saad, « Adaptive control », Springer, 2008.
[20] S. Meziane, « Commande Adaptative et Prédictive de la Machine Asynchrone », Thèse de

Doctorat, Université de Constantine, Juin 2009.
[21]K. Halbaoui, S. Touati, D. Boukhetala and F. Boudjema. « An Indirect Adaptive Controller

to Regulate UTSG Water Level in Pressurized Water Nuclear Reactor ». Journal of
AppliedSciences, 2012.
[22] I.D. Landau, « Identification et Commande des systèmes », Hermès, 1988.
[23] Norman S. Nise, " Control System Engineering ", 2011, 2006, 2003, 1996 by John Wiley &
Sons, Inc.
[24] Andrzej M. Trzynadlowski " The Field Orientation Principle in Control of Induction Motors
" Springer USA 1994.
[25] Petros A. Ioannou, Jing Sun, " Robust adaptive control" Prentice Hall, N.J., 1995.
[26] Edoardo Mosca, " Optimal, Predictive and Adaptive Control " Prentice Hall, N.J., USA,
1995.
[27] Abid mohamed, Aissaoui abdel ghani, Dehiba boubekeur, Tahour ahmed, Robustesse de la
Commande Adaptative de Vitesse d’une Machine Asynchrone, Rev. Roum. Sci. Techn.
Électrotechn. et Énerg., Bucarest, 2007.
[28] I.D. Landau, « Identification et Commande des systèmes », Hermès, 1988.
[29] Boukhelifa Akkila, " Les Eléments d’Optimisation du Pilotage d’une Machine
[30] Yassine Koubaa " Recursive Identification of Induction Motor Parameters ", science
direct, Elsevier2004. Asynchrone en vue d’un Contrôle Vectoriel ", Thèse de doctorat 2007 ENP.
58
Annexes
ANNEXE
PRESENTATION DE LA PLATE FORME
EXPERIMENTALE
1. MATERIELS UTILISES DANS LES ESSAIS PRATIQUES

On a travaillé sue un banc d’essai LEROY SOMER. Le banc d’essai est constitué d’un
ensemble machine asynchrone et variateur à MLI.
Le groupe synchrone se compose de :
 Une machine asynchrone

 Un variateur à modulation de largeur d’imputions
 Un Oscilloscope TDS
 Un frein à poudre pour la mesure du couple ainsi que pour la simulation d’un couple
résistant.
 Un module MODMECA pour la mesure des grandeurs mécaniques (vitesse, couple et
puissance mécanique).
Nous détaillerons dans cette annexe la structure électromécanique du banc d’essai, les
éléments de commande de la machine asynchrone et les organes de mesures.
La représentation de la plate forme est donnée par la photo suivante :
• Une machine asynchrone

• Un variateur de vitesse (onduleur de tension).
• Un frein a poudre muni d’un capteur de couple statique.
• Une tachygénératrice pour la mesure de la vitesse.
• D’un oscilloscope numérique à mémoire.
Ainsi que d’autre outilles de laboratoire et appareils de mesure (ampèremètre, voltmètre,

…etc.). L’image ci-dessous représente une vue globale du banc d’essai qui se trouve au niveau
du département de génie électrique de la Division d’Etudes et de Développement de
l’Instrumentation Nucléaire (DEDIN).
59
Annexes
Frein à poudre
Moteur
ASYNCHRONE
Tachymètre
Variateur
Module
MODMECA
Figure A-1 Vue Générale du Banc d’essai de machines électriques
2. UN MOTEUR ASYNCHRONE (réf. 115UMA300CACAA)
Les principales caractéristiques du moteur asynchrone sont:
Puissance nominale 1,5 Kw
Tension nominale 220/380 V
Courant nominale 6.1/3,4 A
𝐶𝑜𝑠𝜑 0,86
Vitesse nominale 1425 tr/mn
Nombre de paire de pôles (P) 2
Inductance statorique 𝐿𝑠 0.253H
Inductance rotorique𝐿𝑟 0.253H
Inductance mutuel 𝐿𝑠𝑟 0.243H
Résistance statorique 𝑅𝑠 4.58
60
Annexes
Résistance rotorique𝑅𝑟 4.468
Moment d’inertie, 𝐽𝑚 0.023Ns/rd
Coefficient de frottement, 𝑓𝑚 0.0026Ns2/rd
Table .1. : Paramètres de la machine
3. FREIN A POUDRE (FP 10/15 D2)

3.1 Définition
Le frein FP10/15 D2 permet de réaliser les

essais en charge des moteurs électriques de
la gamme 1.5 kW. Il est constitué d'un stator
monté en "Balance" et d'un rotor entraîné par
la machine à essayer. Le couple résistant
proportionnel au courant d'excitation de la
bobine du frein est indépendant de la vitesse
de rotation du rotor.
3.2 Le principe de mesure du moment du couple résistant
Le montage dit "Balance" permet de mesurer le moment du couple résistant opposé par le
frein. Cette mesure est réalisée directement au moyen d'un capteur de force réf. CAP.FOR monté
sur le bloc de freinage, associé au module de mesure MODMECA.
3.3 Caractéristiques
 Vitesse de rotation nominale : 1500 min-1

 Vitesse de rotation maximale : 3000 min-1
 Courant d'excitation : i max. = 1 A
 Couple de freinage :
Tnom. = 10 N.m et Tmax. = 35 N.m
T résiduel < 0,4 Nm pour i = 0
 Ventilation forcée 230V monophasé 50Hz, protégée par fusibles.

 Puissance de freinage pour 20°C d’ambiance :
1,5 kW durant 45 min.
2,0 kW durant 15 min environ.
61
Annexes
4. MODULE MODMECA
Le module qui se présente en coffret plastique, est constitué principalement des afficheurs à
LED et des dispositifs de mesure :
(a) vue de face (b) vue d’arrière
▪ Le dispositif de mesure et de lecture de la vitesse de rotation (n) de la machine

entraînée, à partir de la tension délivrée par la dynamo tachymétrique.
▪ Le conditionneur afficheur du capteur de force ou de couple pour l'alimentation, la
mesure et l'affichage du moment du couple (T).
▪ Le dispositif de mesure et de lecture de la puissance mécanique (P) à partir de la
vitesse et du couple.
▪ Le dispositif de commande du frein à poudre.
L'exploitation des informations obtenues sur les afficheurs à LED et celles issues des sorties
analogiques des interfaces peut être réalisée de différentes manières selon la disponibilité du
matériel. Soit par lecture directe des afficheurs. Soit par oscilloscope à mémoire (comme nous
avons utilisé). Soit par l'utilisation d'un micro-ordinateur associé à une Interface A/N et un
logiciel d'application.
En face arrière, le module dispose des 5 sorties analogiques ± 5V, isolées galvaniquement,
correspondant aux grandeurs mesurées :
▪ VITESSE valeur moyenne et instantanée

▪ COUPLE valeur moyenne et instantanée
▪ PUISSANCE mécanique valeur moyenne
▪ Une entrée analogique 0 à 5 V pour la commande extérieure du couple.
62
Annexes
5. ONDULEUR MLI
Tension Courant Courant Pn dissipée
Puissance Courant nominale transitoire
d’alimentation à la charge
moteur ligne
variateur maximale nominale
400/460 V
-15% +15%
50/60Hz2Hz 1.5Kw 6A 4.1A 5.5A 70W
Triphasé
Variateur (Onduleur de tension).
6. OSCILLOSCOPE
On a utilisé un oscilloscope numérique

TDS 3052, de la série des oscilloscopes
numériques de phosphore
Les oscilloscopes TDS 3052 sont de taille

évaluée par rapport à la plupart des
oscilloscopes numériques portatifs
63
Annexes
7. La carte real-time simulink : Créez, exécutez et testez des

applications en temps réel
Real time Simulink fournit un environnement de prototypage hôte et cible élevé qui Vous
permet de connecter vos modèles Simulink® et Stateflow® aux systèmes physiques et de les
exécuter en temps réel sur le matériel μTECH-SRT. Il fournit des fonctionnalités logicielles
complètes our le prototypage rapide et la simulation hardware-in-the-loop de systèmes de
contrôle.
ΜTECH-SRT Vous permet également d'ajouter des blocs d'interface E / S à vos modèles,
générer automatiquement un code avec un atelier en temps réel et Stateflow Coder, et télécharger
le code à la μTECH-SRT.
μTECH-SRT permet aux utilisateurs de:
* test, vérifier et valider plus tôt vos conceptions algorithmiques et système.
* Atteindre le déterminisme par la génération automatique et l'exécution des applications en
temps réel Sur notre matériel.
* Évaluer de nouvelles idées au moyen d'une Plate-forme flexible, évolutive, le développement
de la production indépendante.
Prototypage de contrôle rapide (RCP) :

Prototypage de contrôle rapide (RCP) est une méthode de test et de développement utilisée
pour accélérer le processus de conception en utilisant une conception basée sur un modèle pour
tester une stratégie de contrôle sur le matériel physique au début du processus de conception.
64
Annexes
Aucun codage logiciel n'est nécessaire - en utilisant une approche de conception basée sur un
modèle, Les chercheurs / étudiants / ingénieurs peuvent rapidement créer le modèle en utilisant
graphiquement Simulink ou diagramme d'état en utilisant Stateflow, et crée un exécutable
directement à partir du PC hôte. En quelques minutes, l’algorithme peut être testé dans le
matériel μTECH-SRT.
Le systèmes μTECH-SRT fournie une large gamme de types d' E / S avec une flexibilité et une
capacité suffisantes pour couvrir un large éventail d'applications. De plus, μTECH-SRT OI sont
totalement compatibles avec les autres unités de commande de moteur μTECH Lab (DSP,
ARM, FPGA ...) et les produits dSPACE (DS1103, DS1104 ...).
Ethernet,I / O,Système physique,Test avec capteur et Interfaces d'actionneur.
μTRCH-SRT multi-Core Hardware avec Interfaces E / S.
Poste de développement avec Matlab, Simulik, codeur Matleb,Codeur Simulink ...
65
Annexes
Hardware-in-the-loop (HIL)
Le test de hardware-in-the-loop (HIL) est une méthode de test qui peut être utilisée tout au long
du développement de contrôleurs intégrés en temps réel pour réduire le temps de développement
et améliorer l’efficacité des tests
Les tests de hardware-in-the-loop permettent de simuler des sources d'alimentation, des

convertisseurs de puissance, de l'alimentation Les réseaux, les capteurs, les actionneurs et les
composants mécaniques d'une manière qui relie toutes les E / S du réel- Contrôleurs embarqués
en temps réel, longtemps avant l'intégration du système final. Il le fait en utilisant les Réponses
représentatives en temps réel, stimuli électrique et cas d'utilisation fonctionnelle. La partie de la
simulation qui représente l'environnement, les capteurs et le matériel associé est appelée Le
modèle de l'usine. Les parties de la simulation qui représentent d'autres contrôleurs s'appellent
les modèles de contrôleur.
66
Annexes
Instrumentation d'une application en temps réel
Simulink Real-Time fournit une instrumentation flexible pour l'interface avec l'ordinateur cible
et l'application en cours d'exécution en temps réel.
❖ Affichage Simulink Real-Time Explorer (étendue hôte).
❖ Écran multi-affichage haute définition (jusqu'à 9) sur écran indépendant (champs cibles).
❖ Analyse des données enregistrées (étendue des fichiers).
❖ Mode externe Simulink.
❖ Gérer et contrôler plusieurs machines simultanément μTECH –SRT.
❖ Gérer et contrôler les applications en temps réel.
❖ Contrôles et affichages graphiques pour concevoir et exécuter des tableaux de . bord
❖ Surveillez les signaux et enregistrez les données.
❖ Paramétrez les paramètres individuellement ou en tant que groupes.
❖ Exporter des packages distribuables pour une application cible autonome
Matlab interface du simulink real-time explorer.
67
Annexes
Interface du simulink real-time.
68
Annexes
69

Pfe Kadouma Mellata

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Pfe Kadouma Mellata

Transféré par

Droits d'auteur :

Formats disponibles

République Algérienne Démocratique et Populaire

Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

Faculté des Sciences et de la Technologie

Réalisé par : Encadré par :

et la volonté de mener à bien ce modeste travail.

Nous remercions Monsieur Halbaoui et Monsieur Bentchikou d’avoir

Mr. Merhouni qui nous a été d’une grande aide

Nous remercions tous les enseignants de la faculté des sciences et de la

technologie qui nous ont encadrés durant notre cursus de formation.

Nos vifs remerciements vont aux membres du jury d’avoir accepté

d’examiner et d’évaluer ce modeste travail.

jusqu'à la fin de ce mémoire.

Du fond du cœur je dédie ce travail …

A mes très chers parents qui m’ont soutenu et encouragé

A mon frère Abderraouf et ma sœur Kawthar

A Mes Amis Mohamed, Mustapha, Salah, Hamid

A mes grands parents, mes tantes et mes oncles

A la mémoire de mon oncle Benhenni

A mes cousins et cousines

A tous mes amis

A mon binôme Sid Ahmed

A tous ceux et celles dont les noms n’ont pu être cités

KADOUMA Mohamed Nadjib

Je dédie ce modeste travail a :

Chapitre I : Modélisation de la Machine Asynchrone En vue de sa

I.1 Introduction …………………………………………………………………………………. 02

Chapitre II : Commande Vectorielle Directe de La Machine

Chapitre III : La Commande Adaptative des Processus

Chapitre IV : Commande Adaptative Auto-Ajustable à Variance

********************** Liste des figures ********************

Figure I.1 Représentation schématique d’une MAS triphasée………………………………..... 05

Le quatrième chapitre, représente l’application de la technique de régulation à variance

Chapitre I : Modélisation de la machine asynchrone en

Dans ce chapitre, nous allons présenter le modèle dynamique de la machine asynchrone

I.2 Modèle Dynamique de la Machine Asynchrone

Pour arriver au modèle de commande, il est indispensable de poser un certain nombre

I.2.1 Hypothèses simplificatrices

Figure I.1 Représentation schématique d’une MAS triphasée.

I.2.2 Equations des tensions et des flux

𝑉𝑎𝑠 𝐼𝑎𝑠 𝐼𝑎𝑟 Φ𝑎𝑠 Φ𝑎𝑟

[Φ𝑠 ] = [𝐿𝑠𝑠 ] ∙ [𝐼𝑠 ] + [𝑀𝑠𝑟 ] ∙ [𝐼𝑟 ]

Désignent respectivement :Les matrices inductances statorique et rotorique et la mutuelle.

La transformation utilisée doit conserver la puissance instantanée. Ceci permet d’établir

I.3 Modèle de PARK de la Machine Asynchrone

Figure I.2 Modèle de Park de la MAS

I.3.1 Transformation de Park

La transformation de Park est constituée d'une transformation triphasée – diphasée suivie

Les amplitudes directe (𝒅) et en quadrature(𝒒)des grandeurs statoriques et rotoriques sont

Dans notre cas, nous prendrons:

I.3.2 Application aux équations des tensions et des flux

Appliquons la transformation de Park ((I.8) et (I.9)) à l’expression (I.1) :

Donc, après un calcul direct, nous trouvons

Et l’expression (1.12) devient alors :

Un calcul simple nous donne :

D’après l’égalité (1.7), nous pouvons écrire :

En introduisant les inductances cycliques :

Φ𝑑𝑠 𝐿 0 𝐼𝑑𝑠 𝐿 0 𝐼𝑑𝑟

De la même manière, en appliquant la transformation de Park à l’équation du flux rotorique, et

Φ𝑑𝑟 𝐿 0 𝐼𝑑𝑟 𝐿 0 𝐼𝑑𝑠

I.3.3 Choix du référentiel

Equations des tensions :

Equations des flux :

Φ𝑑𝑠 = 𝐿𝑠 ∙ 𝐼𝑑𝑠 + 𝐿𝑚 ∙ 𝐼𝑑𝑟

** Liste des figures